Numpy 数据帧2 dim索引片
我在使用2维索引切片时遇到问题 我有以下数据帧Numpy 数据帧2 dim索引片,numpy,pandas,slice,Numpy,Pandas,Slice,我在使用2维索引切片时遇到问题 我有以下数据帧 df = pd.DataFrame([(11,91),(12,92),(13,93),(14,94),(15,95)],columns =list('AB')) A B 0 11 91 1 12 92 2 13 93 3 14 94 4 15 95 然后我将有一个“索引数组” 我想使用df上的df_索引返回。您将看到如何在索引中为每列选择值 A_x B_y 0 15 95 1 15 91 2 1
df = pd.DataFrame([(11,91),(12,92),(13,93),(14,94),(15,95)],columns =list('AB'))
A B
0 11 91
1 12 92
2 13 93
3 14 94
4 15 95
然后我将有一个“索引数组”
我想使用df上的df_索引返回。您将看到如何在索引中为每列选择值
A_x B_y
0 15 95
1 15 91
2 11 94
3 13 93
4 12 92
5 12 92
6 12 92
7 11 95
我可以通过创建一个循环并分别对每一列进行索引来实现这一点
loop 1:
df['A'][df_indexes['x'].values]
lopp 2:
df['B'][df_indexes['y'].values]
然后把它们重新咀嚼在一起
如何以一次性numpy方式执行此操作?通常不使用索引数组,如x dim位于两列中。和他一起工作很奇怪。然而,这将是非常快的
In [85]: DataFrame({'A' : df.iloc[df_index['x'].values]['A'].reset_index(drop=True),
'B' : df.iloc[df_index['y'].values]['B'].reset_index(drop=True)})
Out[85]:
A B
0 15 95
1 15 91
2 11 94
3 13 93
4 12 92
5 12 92
6 12 92
7 11 95
[8 rows x 2 columns]
In [85]: DataFrame({'A' : df.iloc[df_index['x'].values]['A'].reset_index(drop=True),
'B' : df.iloc[df_index['y'].values]['B'].reset_index(drop=True)})
Out[85]:
A B
0 15 95
1 15 91
2 11 94
3 13 93
4 12 92
5 12 92
6 12 92
7 11 95
[8 rows x 2 columns]