pandas 多索引 select 逻辑数组数据

Question

这里我有一个数据框

import pandas as pd
import numpy as np
data = pd.DataFrame(np.arange(100).reshape(20,5), columns=list('abcde'))
data = data.set_index(['a', 'b'])
print(data.head())
        c   d   e
a  b
0  1    2   3   4
5  6    7   8   9
10 11  12  13  14
15 16  17  18  19
20 21  22  23  24

我select数据如何通过逻辑判断使用loc函数？像这样：a<20 and b > 1

Answer 1

您可以使用 Index.get_level_values with boolean indexing:

mask = (data.index.get_level_values('a') < 20) & (data.index.get_level_values('b') > 1)
print (mask)
[False  True  True  True False False False False False False False False
 False False False False False False False False]

print (data[mask])
        c   d   e
a  b             
5  6    7   8   9
10 11  12  13  14
15 16  17  18  19

DataFrame.query 的解决方案与另一个答案类似，只是将 & 更改为 and:

print (data.query("a < 20 and b > 1"))
        c   d   e
a  b             
5  6    7   8   9
10 11  12  13  14
15 16  17  18  19

Query python versus pandas syntax comparison.

Answer 2

1) 直接在 multi-indexed DF 的索引名称上使用 query 来执行布尔索引：

data.query("a < 20 & b > 1")

2) 如果你想事先有一个布尔掩码，请使用 eval，然后根据此对 DF 进行子集化：

bool_mask = data.eval("a < 20 & b > 1")
data[bool_mask]

两种情况的结果 o/p：

pandas 多索引 select 逻辑数组数据

pandas multi-index select data by logical arrays

python

indexing

conditional-statements

multi-index

pandas