Pandas 理解多索引和双括号

我试图理解多重索引。我发现了一些非常好的链接（和），但我无法理解这个概念

我确实有一些具体的问题。具体来说，如果我们谈论这些数据-

import pandas as pd

# hierarchical indices and columns
index = pd.MultiIndex.from_product([[2013, 2014], [1, 2]],
                                   names=['year', 'visit'])
columns = pd.MultiIndex.from_product([['Bob', 'Guido', 'Sue'], ['HR', 'Temp']],
                                     names=['subject', 'type'])

# mock some data
data = np.round(np.random.randn(4, 6), 1)
data[:, ::2] *= 10
data += 37

# create the DataFrame
health_data = pd.DataFrame(data, index=index, columns=columns)

然后：

为什么/如何

health_data.loc[：，'Guido']

删除顶部列 索引而

health\u data.loc[：，['Guido']

保留它

为什么

health_data.loc[：，[（'Bob'，'HR'）]

和

health_data.loc[：，
（'Bob'，'HR'）]

按预期工作（假设问题1的答案为 清除）但

health\u data.loc[：，['Bob'，'HR']

提供额外的 专栏

如果我定义

idx=pd.indexlice

那么为什么

health_data.loc[：，[idx['Bob'，'HR']]

返回预期的输出，但

health_data.loc[：，list（idx['Bob'，'HR']）

返回额外的列

---

由于我对多索引缺乏了解，所以我提出的问题，任何详细解释它们的链接都会有所帮助。我已经看到了一些这样的问题和答案（有点帮助），但其中大多数都非常具体，我找不到一个一般谈论双括号概念的问题和答案

Q1:

health_data.loc[：，'Guido']

从列多索引的第一级选择一个列，而

health_data.loc[：，['Guido']

从同一级选择一列。我想pandas开发人员可以选择将1元素列表作为一个特例，并从响应中删除冗余维度，但他们没有这样做

In [6]: health_data.loc[:,'Guido']
Out[6]: 
type          HR  Temp
year visit            
2013 1      38.0  35.4
     2      29.0  36.9
2014 1      41.0  36.6
     2      26.0  36.9

In [7]: health_data.loc[:,['Guido']]
Out[7]: 
subject    Guido      
type          HR  Temp
year visit            
2013 1      38.0  35.4
     2      29.0  36.9
2014 1      41.0  36.6
     2      26.0  36.9

问题2：案例1和案例2选择1列，首先作为列的1元素列表，然后作为单列值（分别与案例2和案例1类似）。案例3更有趣：它从多索引的第一级选择一个项目列表。由于该级别的值中只存在“Bob”，因此它将返回第一个级别中包含“Bob”的所有列

In [29]: health_data.loc[:, [('Bob', 'HR')]]
Out[29]: 
subject      Bob
type          HR
year visit      
2013 1      29.0
     2      47.0
2014 1      56.0
     2      37.0

In [30]: health_data.loc[:, ('Bob', 'HR')]
Out[30]: 
year  visit
2013  1        29.0
      2        47.0
2014  1        56.0
      2        37.0
Name: (Bob, HR), dtype: float64

In [31]: health_data.loc[:, ['Bob', 'HR']]
Out[31]: 
subject      Bob      
type          HR  Temp
year visit            
2013 1      29.0  36.5
     2      47.0  37.7
2014 1      56.0  38.5
     2      37.0  37.3

Q3这基本上是Q2的重新运行：

idx['Bob'，'HR']

计算为

（'Bob'，'HR'）

，它从多索引中选择一个列<代码>列表（idx['Bob'，'HR']）的计算结果为

['Bob'，'HR']

，它从多索引的第一级选择列列表

In [18]: health_data.loc[:,[idx['Bob','HR']]]
Out[18]: 
subject      Bob
type          HR
year visit      
2013 1      29.0
     2      47.0
2014 1      56.0
     2      37.0

In [19]: health_data.loc[:,list(idx['Bob','HR'])]
Out[19]: 
subject      Bob      
type          HR  Temp
year visit            
2013 1      29.0  36.5
     2      47.0  37.7
2014 1      56.0  38.5
     2      37.0  37.3

由于多索引的第一级中不存在“HR”，因此切片仅选择“Bob”。如果将“HR”替换为“Sue”，您可以更清楚地看到差异：

In [27]: health_data.loc[:,[idx['Bob','Sue']]]
Out[27]: 
subject    Bob
type       Sue
year visit    
2013 1     NaN
     2     NaN
2014 1     NaN
     2     NaN

In [28]: health_data.loc[:,list(idx['Bob','Sue'])]
Out[28]: 
subject      Bob         Sue      
type          HR  Temp    HR  Temp
year visit                        
2013 1      29.0  36.5  35.0  36.4
     2      47.0  37.7  36.0  36.4
2014 1      56.0  38.5  34.0  37.8
     2      37.0  37.3  30.0  36.9

在第一种情况下，我们选择了一个多索引值为

（'Bob'，'Sue'）

的列，该列不存在，因此出现了

NaNs

。在第二种情况下，我们选择的列包含多索引第一级中列表

['Bob'，'Sue']

中的所有值。我必须承认，看到元组和列表在这里给出不同的结果让我很惊讶。我想这也是API的决定

这些文件涵盖了以下大部分内容：

---

刚刚纠正了对第2部分的误读：-）。另外，我不知道为什么代码块格式只适用于我答案的最后一部分-对此我很抱歉！感谢详细的逐步回答，我认为（不是很确定）当上面的段落是一个列表时，代码块需要双缩进。我已经做了一些编辑，使它更可读，但我的更改将在同行审查后才可见。我需要一些时间来完成答案，如果有问题，我会回来的。嘿，谢谢你修复代码块的东西。如果仍然不清楚，请告诉我。多索引可能是一个令人困惑的话题，我从经验中知道。。。