代码之家 › 专栏 › 技术社区 › Kang

Python数据框架:用单索引列组合/替换多索引列

data-cleaning multi-index dataframe pandas python

Kang · 技术社区 · 6 年前

我的df中有多个索引列。在我的df中,表示布尔值的所有值都是1或0。我的任务是用另一个df\U测试数据帧中的值替换值“1”。见下文。

In [221]: df
Out[221]:
first        bar                 baz
second       one       two       one       two
0            0         1         0         0
1            1         0         1         1
2            0         0         0         1
3            0         0         0         0
4            1         1         1         1
..............(continues)

我的df\u测试有规则的列(不是多索引)和应该进入df的值。

In [222]: df_test
Out[222]:
        amount
0            38
1            2179   
2            191     
3            4     
4            19823    
..............(continues)

两个数据帧匹配和我的输出的索引应为:

In [223]: df
Out[223]:
first        bar                 baz
second       one       two       one       two
0            0         38        0         0
1            2179      0         2179      2179      
2            0         0         0         191     
3            0         0         0         0
4            19823     19823     19823     19823    
..............(continues)

请注意,我的df可以没有像index=3这样的“1”值,也可以有像index=4这样的所有“1”值。如果有有效的方法来设置我的数据帧

2 回复 | 直到 6 年前

cs95 6 年前

要获得结果,可以使用广播乘法-

v = df.values * df_test.amount.values[:, None]

v
array([[    0,    38,     0,     0],
       [ 2179,     0,  2179,  2179],
       [    0,     0,     0,   191],
       [    0,     0,     0,     0],
       [19823, 19823, 19823, 19823]])

要恢复原始数据帧,只需调用 DataFrame 建造师-

df = pd.DataFrame(v, columns=df.columns, index=df.index)
df

first     bar           baz       
second    one    two    one    two
0           0     38      0      0
1        2179      0   2179   2179
2           0      0      0    191
3           0      0      0      0
4       19823  19823  19823  19823

_{从piRSquared's借来的感谢设置

answer

.}

piRSquared 6 年前

您要使用 pd.DataFrame.mask 并使用列 amount 作为替代品。但是,您需要提供 axis=0 参数,告诉熊猫在索引上对齐。

df.mask(df.eq(1), df_test.amount, axis=0)

first     bar           baz       
second    one    two    one    two
0           0     38      0      0
1        2179      0   2179   2179
2           0      0      0    191
3           0      0      0      0
4       19823  19823  19823  19823

安装程序

df = pd.DataFrame(
    [[0, 1, 0, 0],
     [1, 0, 1, 1],
     [0, 0, 0, 1],
     [0, 0, 0, 0],
     [1, 1, 1, 1]],
    columns=pd.MultiIndex.from_product(
        [['bar', 'baz'], ['one', 'two']],
        names=['first', 'second']
    )
)

df_test = pd.DataFrame(dict(amount=[38, 2179, 191, 4, 19823]))