pandas dataframe выберите столбцы в multiindex

у меня есть следующий pd.Фрейм данных:

Name    0                       1                      ...
Col     A           B           A            B         ...
0       0.409511    -0.537108   -0.355529    0.212134  ...
1       -0.332276   -1.087013    0.083684    0.529002  ...
2       1.138159    -0.327212    0.570834    2.337718  ...

он MultiIndex колонны с names=['Name', 'Col'] и иерархических уровней. The Name метки от 0 до n, и для каждой метки, есть два A и B столбцы.

Я хотел бы выделить всеA (или B) столбцы этого фрейма данных.

3 ответов


есть get_level_values метод, который можно использовать в сочетании с логическими индексации, чтобы получить желаемый результат.

In [13]:

df = pd.DataFrame(np.random.random((4,4)))
df.columns = pd.MultiIndex.from_product([[1,2],['A','B']])
print df
          1                   2          
          A         B         A         B
0  0.543980  0.628078  0.756941  0.698824
1  0.633005  0.089604  0.198510  0.783556
2  0.662391  0.541182  0.544060  0.059381
3  0.841242  0.634603  0.815334  0.848120
In [14]:

print df.iloc[:, df.columns.get_level_values(1)=='A']
          1         2
          A         A
0  0.543980  0.756941
1  0.633005  0.198510
2  0.662391  0.544060
3  0.841242  0.815334

Способ 1:

df.xs('A', level='Col', axis=1)

дополнительные обозначения http://pandas.pydata.org/pandas-docs/stable/advanced.html#cross-section

Способ 2:

df.loc[:, (slice(None), 'A')]

предостережение: этот метод требует сортировки меток. Подробнее см. http://pandas.pydata.org/pandas-docs/stable/advanced.html#the-need-for-sortedness-with-multiindex


вы также можете поменять местами индексы столбцов, а затем выбрать, например...

df = df.swaplevel(0,1,axis =1)
A = df['A']
B = df['B']