Pandas 如何使用透视表中的特殊索引筛选值(多维数据)
在这里,我只想过滤特定国家的数量值。但我不能使用loc方法。您对任何透视表中的特殊筛选有何建议?您可以使用或-: 样本Pandas 如何使用透视表中的特殊索引筛选值(多维数据),pandas,Pandas,在这里,我只想过滤特定国家的数量值。但我不能使用loc方法。您对任何透视表中的特殊筛选有何建议?您可以使用或-: 样本 tempdata =pd.pivot_table( gas_diesel_df, values = 'Quantity' ,index = ['Year','Country or Area'], columns = ['Commodity - Transaction']) tempdata.iloc[0:10] 编辑: 如果需要按多
tempdata =pd.pivot_table( gas_diesel_df, values = 'Quantity' ,index = ['Year','Country or Area'],
columns = ['Commodity - Transaction'])
tempdata.iloc[0:10]
编辑:
如果需要按多个年份
进行选择,请使用loc
参见:
对不起,我还有一个问题。我想选择多个年份值,但我只能用ix方法选择一个年份值,不能使用loc方法。在这里我可以使用哪种方法?谢谢…我想你需要使用
loc
方法,但我认为如上所述更简单。请参见编辑。顺便说一句,你也可以投票给我的答案-点击0
(接受标记附近)上方的小三角形。谢谢
print gas_diesel_df
Year Country or Area Commodity - Transaction Quantity
0 2015 A11 B1 50
1 2015 A11 C2 60
2 2015 A11 B1 45
3 2015 A11 B2 70
4 2015 B11 B1 40
5 2015 B11 C2 45
6 2015 C11 B1 60
7 2015 C11 B1 65
tempdata =pd.pivot_table( gas_diesel_df, values = 'Quantity' ,index = ['Year','Country or Area'],
columns = ['Commodity - Transaction'])
print tempdata
Commodity - Transaction B1 B2 C2
Year Country or Area
2015 A11 47.5 70 60
B11 40.0 NaN 45
C11 62.5 NaN NaN
print tempdata.xs('A11', level=1)
Commodity - Transaction B1 B2 C2
Year
2015 47.5 70 60
print tempdata.loc[(slice(None),'A11'),:]
Commodity - Transaction B1 B2 C2
Year
2015 47.5 70 60
print gas_diesel_df
Year Country or Area Commodity - Transaction Quantity
0 2013 A11 B1 50
1 2015 A11 C2 60
2 2015 A11 B1 45
3 2015 A11 B2 70
4 2015 B11 B1 40
5 2014 B11 C2 45
6 2014 C11 B1 60
7 2014 C11 B1 65
tempdata =pd.pivot_table( gas_diesel_df, values = 'Quantity' ,index = ['Year','Country or Area'],
columns = ['Commodity - Transaction'])
print tempdata
Commodity - Transaction B1 B2 C2
Year Country or Area
2013 A11 50.0 NaN NaN
2014 B11 NaN NaN 45
C11 62.5 NaN NaN
2015 A11 45.0 70 60
B11 40.0 NaN NaN
print tempdata.loc[2013]
Commodity - Transaction B1 B2 C2
Country or Area
A11 50 NaN NaN
print tempdata.loc[2013:2014]
Commodity - Transaction B1 B2 C2
Year Country or Area
2013 A11 50.0 NaN NaN
2014 B11 NaN NaN 45
C11 62.5 NaN NaN