Python pandas: 奇怪的索引值
Python pandas: Weird index value
我已经发布了一个类似的主题，但现在有另一个角度可以探索：在 X 和 Z groupby 2 个不同级别之间进行协方差分析后，我得到了一个像
这样的 DF
index X Z
(1,1,'X') 2.3 0
...
'1' 和 '1' 是 2 个不同的级别（我可以选择 '1' 和 '2'；有 5 和 10 个不同的级别）
现在我想提取索引的每个 'element' 并得到一些东西
index X Z H1 H2 H3
(1,1,'X') 2.3 0 1 1 X
...
我读了一些关于切片和切块的帖子 - 但这不是一个普通的字符串，是吗？
干杯
(1,1,'X') 在这里不是一个字符串，它是一个元组。
因此您需要将元组拆分为多列。你可以做到这一点
通过使用应用(pandas.Series)
在这种情况下假设您的数据框是 df。
df.apply(pandas.series)
In [10]: df['index'].apply(pd.Series)
Out[10]:
0 1 2 3
0 1 1 'X'
您需要将列添加回原始数据框，因此
df[['H1', 'H2','H3']] = df.apply(pandas.Series)
我已经发布了一个类似的主题，但现在有另一个角度可以探索：在 X 和 Z groupby 2 个不同级别之间进行协方差分析后，我得到了一个像
这样的 DFindex X Z
(1,1,'X') 2.3 0
...
'1' 和 '1' 是 2 个不同的级别（我可以选择 '1' 和 '2'；有 5 和 10 个不同的级别） 现在我想提取索引的每个 'element' 并得到一些东西
index X Z H1 H2 H3
(1,1,'X') 2.3 0 1 1 X
...
我读了一些关于切片和切块的帖子 - 但这不是一个普通的字符串，是吗？ 干杯
(1,1,'X') 在这里不是一个字符串，它是一个元组。
因此您需要将元组拆分为多列。你可以做到这一点
通过使用应用(pandas.Series)
在这种情况下假设您的数据框是 df。
df.apply(pandas.series)
In [10]: df['index'].apply(pd.Series)
Out[10]:
0 1 2 3
0 1 1 'X'
您需要将列添加回原始数据框，因此
df[['H1', 'H2','H3']] = df.apply(pandas.Series)