36

我有一个带有这样的 MultiIndex 的系列：

import numpy as np
import pandas as pd

buckets = np.repeat(['a','b','c'], [3,5,1])
sequence = [0,1,5,0,1,2,4,50,0]

s = pd.Series(
    np.random.randn(len(sequence)), 
    index=pd.MultiIndex.from_tuples(zip(buckets, sequence))
)

# In [6]: s
# Out[6]: 
# a  0    -1.106047
#    1     1.665214
#    5     0.279190
# b  0     0.326364
#    1     0.900439
#    2    -0.653940
#    4     0.082270
#    50   -0.255482
# c  0    -0.091730

我想获取第二个索引（' sequence'）在 2 到 10 之间的 s['b'] 值。

在第一个索引上切片工作正常：

s['a':'b']
# Out[109]: 
# bucket  value
# a       0        1.828176
#         1        0.160496
#         5        0.401985
# b       0       -1.514268
#         1       -0.973915
#         2        1.285553
#         4       -0.194625
#         5       -0.144112

但不是在第二种情况下，至少通过两种最明显的方式：

1) 这将返回元素 1 到 4，与索引值无关

s['b'][1:10]

# In [61]: s['b'][1:10]
# Out[61]: 
# 1     0.900439
# 2    -0.653940
# 4     0.082270
# 50   -0.255482

但是，如果我反转索引并且第一个索引是整数并且第二个索引是一个字符串，它可以工作：

In [26]: s
Out[26]: 
0   a   -0.126299
1   a    1.810928
5   a    0.571873
0   b   -0.116108
1   b   -0.712184
2   b   -1.771264
4   b    0.148961
50  b    0.089683
0   c   -0.582578

In [25]: s[0]['a':'b']
Out[25]: 
a   -0.126299
b   -0.116108
4

5 回答 5

38

正如Robbie-Clarken 回答的那样，从 0.14 开始，您可以在传递给 loc 的元组中传递一个切片：

In [11]: s.loc[('b', slice(2, 10))]
Out[11]:
b  2   -0.65394
   4    0.08227
dtype: float64

实际上，您可以为每个级别传递一个切片：

In [12]: s.loc[(slice('a', 'b'), slice(2, 10))]
Out[12]:
a  5    0.27919
b  2   -0.65394
   4    0.08227
dtype: float64

注意：切片包括在内。

老答案：

您也可以使用以下方法执行此操作：

s.ix[1:10, "b"]

（最好在单个 ix/loc/iloc 中执行，因为此版本允许分配。）

这个答案是在 2013 年初引入 iloc之前编写的，即位置/整数位置 - 在这种情况下可能是首选。创建它的原因是为了消除整数索引 pandas 对象的歧义，并且更具描述性：“我正在对位置进行切片”。

s["b"].iloc[1:10]

也就是说，我有点不同意 ix 的文档：

最稳健和一致的方式

不是，最一致的方式是描述你在做什么：

  • 使用 loc 作为标签
  • 使用 iloc 作为位置
  • 两者都使用 ix （如果你真的必须）

记住python 的禅宗：

显式优于隐式

于 2012-11-15T00:30:57.783 回答
10

从 pandas 0.14.0 开始，可以通过提供包含切片对象的元组来切片多索引对象：.loc

In [2]: s.loc[('b', slice(2, 10))]
Out[2]:
b  2   -1.206052
   4   -0.735682
dtype: float64
于 2015-07-18T11:53:55.230 回答
10

由于 pandas 0.15.0 这有效：

s.loc['b', 2:10]

输出：

b  2   -0.503023
   4    0.704880
dtype: float64

与 aDataFrame它略有不同（来源）：

df.loc(axis=0)['b', 2:10]
于 2019-07-07T14:38:44.923 回答
4

我能想到的最好方法是在这种情况下使用“选择”。尽管它甚至在文档中说“只有在没有更直接的方法时才应使用此方法。”

索引和选择数据

In [116]: s
Out[116]: 
a  0     1.724372
   1     0.305923
   5     1.780811
b  0    -0.556650
   1     0.207783
   4    -0.177901
   50    0.289365
   0     1.168115

In [117]: s.select(lambda x: x[0] == 'b' and 2 <= x[1] <= 10)
Out[117]: b  4   -0.177901
于 2012-11-15T00:47:54.870 回答
0

不确定这是否理想，但可以通过创建蒙版来工作

In [59]: s.index
Out[59]: 
MultiIndex
[('a', 0) ('a', 1) ('a', 5) ('b', 0) ('b', 1) ('b', 2) ('b', 4)
 ('b', 50) ('c', 0)]
In [77]: s[(tpl for tpl in s.index if 2<=tpl[1]<=10 and tpl[0]=='b')]                                                               
Out[77]: 
b  2   -0.586568
   4    1.559988

编辑：海登的解决方案是要走的路

于 2012-11-15T00:16:53.580 回答