我正在嘗試設置多索引熊貓 DataFrame 中一列的所有值，僅指定單個索引級別的數據。到目前為止我提出的解決方案并不令人滿意，但這可能最好用代碼來解釋：from pandas import MultiIndex, DataFrameidx = MultiIndex.from_product([['A', 'B'], [1, 2, 3]], names=['Cases', 'Time'])parameters = DataFrame(index=idx)parameters['CaseAndTimeInvariant'] = 1parameters['CaseAndTimeVariant'] = 1, 2, 3, 4, 5, 6# Set the values in 'Time' for all cases to 1, 2, 3parameters['CaseInvariantTimeVariant'] = 1, 2, 3# ValueError: Length of values does not match length of index這個錯誤很明顯，因為我沒有指定數據應該在哪個級別的任何地方。如果我有另一個“案例”，數據的長度不足以確定我對上面最后一行代碼的意思。我顯然需要做的是告訴parameters我傳遞的數據是針對“時間”索引級別的。但是，我發現的所有使用loc-indexing 的嘗試都會導致：其他全長的 DataFrames 或 Series 或需要對個別場景進行規范目前我正在做以下事情：for c in parameters.index.levels[0]: parameters.loc[(c, slice(None)), 'CaseInvariantTimeVariant'] = 1, 2, 3導致：雖然這符合我的要求，但在兩個方面感覺不滿意：它需要兩行相當神秘的行來做一些看似簡單的事情：（設置Time使用我給你的這個迭代的所有值?。┪覀冃枰@式迭代所有被處理相同的索引級別，所以這不能很好地推廣到兩個以上的級別似乎“groupby”在這里可能會有所幫助，但直到現在我還無法制作大量文檔。
1 回答
白板的微信
TA貢獻1883條經驗 獲得超3個贊
如果我們總是想將序列與最內層對齊，我們可以：
sequence = [1, 2, 3]
inner_level = parameters.index.get_level_values(len(parameters.index.levels) - 1)
n = inner_level.size // inner_level.nunique()
parameters['CaseInvariantTimeVariant'] = sequence * n
*請注意，sort在分配序列之前，我們仍然需要索引：parameters.sort_index(inplace=True)。
下面如果我們要使用外層：
我會sort_index然后只是重復序列的n時間，其中n是唯一索引的長度（Cases在您的數據中）。
parameters.sort_index(inplace=True)
my_sequence = (1, 2, 3)
# below by level: parameters.index.get_level_values(0).nunique()
n = parameters.index.get_level_values('Cases').nunique()
parameters['CaseInvariantTimeVariant'] = my_sequence * n
如果您想要一個始終按最外層索引重復序列的函數：
def repeat_seq_by_outer_index(index, sequence):
return sequence * index.get_level_values(0).nunique()
repeat_seq_by_outer_index(parameters.index, (1, 2, 3))
如果您想要一個始終按nth索引中的級別重復序列的函數：
def repeat_seq_by_nth_index(index, level, sequence):
return sequence * index.get_level_values(level).nunique()
repeat_seq_by_nth_index(parameters.index, 0, (1, 2, 3))
添加回答
舉報
0/150
提交
取消