Python 3.x 在Pandas中解析多级头

尝试我的手，多层次索引。显示了输入和输出的示例。我试着换位，一部分一部分地阅读，不确定我要去哪里：

输入：

import pandas as pd
import numpy as np
df = pd.DataFrame(index=['2016-11-21', '2016-11-22', '2016-11-23', '2016-11-24', '2016-11-25'],
                  columns=pd.MultiIndex.from_product([list('AB'), list('ab')]),
                  data=np.array([[2,3,5,6,6], [1,4,2,3,3], [3,1,1,1,0], [0,0,6,5,2]]).T)
print (df)
            A     B   
            a  b  a  b
2016-11-21  2  1  3  0
2016-11-22  3  4  1  0
2016-11-23  5  2  1  6
2016-11-24  6  3  1  5
2016-11-25  6  3  0  2

期望输出： 我需要在a列和B列中获得“2016-11-22”的值

---

要匹配您的输出，您可以将

df.xs

与

unstack

df.xs('a',axis=1,level=1,drop_level=False).loc['2016-11-22'].unstack()

---

但是，如果您对单个级别和索引感兴趣，也可以尝试：

df.xs('a',axis=1,level=1).loc['2016-11-22']

A    3
B    1
Name: 2016-11-22, dtype: int64

---

要匹配您的输出，您可以将

df.xs

与

unstack

df.xs('a',axis=1,level=1,drop_level=False).loc['2016-11-22'].unstack()

---

但是，如果您对单个级别和索引感兴趣，也可以尝试：

df.xs('a',axis=1,level=1).loc['2016-11-22']

A    3
B    1
Name: 2016-11-22, dtype: int64

---

尝试

过滤器

和

.loc

df.filter(like='2016-11-22',axis=0).loc[:,df.columns.get_level_values(1).isin(['a'])].stack(0)


          a
2016-11-22 A  3
           B  1

---

尝试

过滤器

和

.loc

df.filter(like='2016-11-22',axis=0).loc[:,df.columns.get_level_values(1).isin(['a'])].stack(0)


          a
2016-11-22 A  3
           B  1

---

我使用日期索引查找行，然后使用元组对选择列，元组对匹配所有级别0列的多索引，级别1列仅使用“a”

df = pd.DataFrame(index=['2016-11-21', '2016-11-22', '2016-11-23', '2016-11-24', '2016-11-25'],
              columns=pd.MultiIndex.from_product([list('AB'), list('ab')]),
              data=np.array([[2,3,5,6,6], [1,4,2,3,3], [3,1,1,1,0], [0,0,6,5,2]]).T)

 columns=df.columns.levels[0]
 print(df.loc['2016-11-22',(columns,'a')])

 output:
 A  a    3
 B  a    1
 Name: 2016-11-22, dtype: int32

---

我使用日期索引查找行，然后使用元组对选择列，元组对匹配所有级别0列的多索引，级别1列仅使用“a”

df = pd.DataFrame(index=['2016-11-21', '2016-11-22', '2016-11-23', '2016-11-24', '2016-11-25'],
              columns=pd.MultiIndex.from_product([list('AB'), list('ab')]),
              data=np.array([[2,3,5,6,6], [1,4,2,3,3], [3,1,1,1,0], [0,0,6,5,2]]).T)

 columns=df.columns.levels[0]
 print(df.loc['2016-11-22',(columns,'a')])

 output:
 A  a    3
 B  a    1
 Name: 2016-11-22, dtype: int32

---

很好的一个，第一次实际看到使用中的

xs

，我不经常使用多索引，但当我这样做时，我惊讶于APInice one的灵活性，第一次实际看到使用中的

xs

，我不经常使用多索引，但当我这样做时，我惊讶于API的灵活性