主要问题:如何以允许我分配给该切片的方式使用MultiIndex级别的名称选择/切片多索引的DataFrame?
data = io.StringIO('''Fruit,Color,Count,Price
Apple,Red,3,$1.29
Apple,Green,9,$0.99
Pear,Red,25,$2.59
Pear,Green,26,$2.79
Lime,Green,9999,$0.39
''')
df_fruit = pd.read_csv(data, index_col=['Fruit', 'Color'])
new_green_data = io.StringIO('''Fruit,Count,Price
Apple,2,$0.96
Lime,9993,$0.40
Pear,12,$2.90
''')
df_new_green = pd.read_csv(new_green_data, index_col='Fruit')
这将设置两个DataFrame:
df_fruit
:
| Fruit | Color | Count | Price |
|:--------|:--------|--------:|:--------|
| Apple | Red | 3 | $1.29 |
| Apple | Green | 9 | $0.99 |
| Pear | Red | 25 | $2.59 |
| Pear | Green | 26 | $2.79 |
| Lime | Green | 9999 | $0.39 |
df_new_green
:
| Fruit | Count | Price |
|:--------|--------:|:--------|
| Apple | 2 | $0.96 |
| Lime | 9993 | $0.40 |
| Pear | 12 | $2.90 |
我想更新df_fruit
中的行,其中Color
为Green
,以便它们与传入的df_new_green
数据中的值匹配。最终输出应为:
| Fruit | Color | Count | Price |
|:--------|:--------|--------:|:--------|
| Apple | Red | 3 | $1.29 |
| Apple | Green | 2 | $0.96 |
| Pear | Red | 25 | $2.59 |
| Pear | Green | 12 | $2.90 |
| Lime | Green | 9993 | $0.40 |
请注意,df_new_green
中的水果顺序与df_fruit
不同。因此,在执行分配时,我需要保留双方的索引,以便正确处理。
我知道几种在DataFrame中选择要更新的内容的方法:
df_fruit.xs(key='Green', level='Color')
这会产生正确的数据视图,但我无法为其分配数据。同样关闭:
df_fruit[df_fruit.index.get_level_values('Color') == 'Green']
和
idx = pd.IndexSlice
df_fruit.loc[idx[:, 'Green'], :]
两者都给我相同的观点,但是它们仍然包括MultiIndex的Color
级别:
| Fruit | Color | Count | Price |
|:--------|:--------|--------:|:--------|
| Apple | Green | 9 | $0.99 |
| Pear | Green | 26 | $2.79 |
| Lime | Green | 9999 | $0.39 |
我可以使用df_new_green
分配给该视图,但是由于NaN
的索引中不包含df_new_green
级别,因此会产生Color
。第二个选择(使用IndexSlice
)也不是很好,因为我不是根据其名称来选择级别,而是根据其在MultiIndex中的位置来选择。如果我在任何一个上运行droplevel('Green')
,我都将获得正确的视图,但无法将其分配给它。
我可以将索引放在新值上,但这会导致使用了错误的值:
df_fruit.loc[idx[:, 'Green'], :] = df_new_green._values
这产生了:
| Fruit | Color | Count | Price |
|:--------|:--------|--------:|:--------|
| Apple | Red | 3 | $1.29 |
| Apple | Green | 2 | $0.96 |
| Pear | Red | 25 | $2.59 |
| Pear | Green | 9993 | $0.40 |
| Lime | Green | 12 | $2.90 |
...但是这是错误的,因为交换了Pear和Lime值。我需要在更新DataFrame上保留索引。
df_fruit[df_fruit.index.get_level_values('Color') == 'Green'] = df_new_green.assign(Color='Green').set_index('Color', append=True)
...呃。这样可以得出正确的答案并满足要求,但是圣牛太丑了。
解决方案是:
要做的代码是:
df_fruit.update(df_new_green.set_index(pd.Index(
['Green'] * df_new_green.index.size, name='Color'), append=True))