Python Pandas 的 index_col 参数在 Julia CSV 中等效

Question

我有一个以下形式的 CSV 文件（忽略前两行的空格，这只是为了字母的良好对齐）：

 , ,E,E,F,F
 , ,G,H,G,H
A,C,1,2,3,4
A,D,5,6,7,8
B,C,9,0,1,2
B,D,3,4,5,6

在Python中，通过使用pandas库创建数据框，如下所示：

df = pd.read_csv(path, header=[0,1], index_col=[0,1])

然后我可以通过提及标题行和索引列的值来获取值：

>>> df.loc[("A","D"), ("E","G")]
5

但是在 Julia 中，使用 CSV 和 DataFrame 包，我只能将行“分组”为标题，而不能将列“分组”。现在，我这样做：

df = CSV.read(path, DataFrame, header=[1,2], normalizenames=true) 

我在该函数的文档中找不到启用此功能的任何选项（https://csv.juliadata.org/stable/reading.html）

有没有办法，也许使用其他函数或包，在 Julia 中做我在 Python 中能做的事情？

Answer 1

您可能正在寻找类似的东西：

using CSV, DataFrames, NamedArrays

df = CSV.read(path, DataFrame; header=false)
M = NamedArray(
  parse.(Int,Array(df[3:end,3:end])), 
  (
    map(splat(*),eachrow(df[3:end,1:2])),
    map(splat(*),eachcol(df[1:2,3:end]))
  )
)

输出：

4×4 Named Matrix{Int64}
A ╲ B │ EG  EH  FG  FH
──────┼───────────────
AC    │  1   2   3   4
AD    │  5   6   7   8
BC    │  9   0   1   2
BD    │  3   4   5   6