Python 使用列名作为数据帧上的位置的条件

假设我有以下数据帧：

arrays = [['foo', 'foo', 'bar', 'bar'],
          ['A', 'B', 'C', 'D']]
tuples = list(zip(*arrays))          
columnValues = pd.MultiIndex.from_tuples(tuples)
df = pd.DataFrame(np.random.rand(4,4), columns = columnValues)
print(df)

             foo                 bar          
               A         B         C         D
0       0.037362  0.470010  0.315396  0.333798
1       0.339038  0.396307  0.487242  0.064883
2       0.691654  0.793609  0.044490  0.384154
3       0.605801  0.967021  0.156839  0.123816

我希望生成以下输出：

             foo                 bar          
               A         B         C         D
0              0         0  0.315396  0.333798
1              0         0  0.487242  0.064883
2              0         0  0.044490  0.384154
3              0         0  0.156839  0.123816

我想我可以使用

pd.DataFrame.where（）

来实现这一点，但是我不知道如何将列名

bar

作为条件传递

编辑：我正在寻找一种方法，专门使用

bar

而不是

foo

来生成所需的结果，因为

foo

实际上有很多列

EDIT2：不幸的是，如果列表包含所有列标签，列表理解就会中断。但是，显式写出for循环确实有效。 因此，与此相反：

df.loc[:,  [col for col in df.columns.levels[0] if col != 'bar']] = 0 

我用这个：

for col in df.columns.levels[0]:
    if not(col in nameList):
        df.loc[:,col]=0

用于设置您的数据。在这里，您可以访问

foo

下的子列（A、B）

In [12]: df
Out[12]:
        foo                 bar
          A         B         C         D
0  0.040251  0.119267  0.170111  0.582362
1  0.978192  0.592043  0.515702  0.630627
2  0.762532  0.667234  0.450505  0.103858
3  0.871375  0.397503  0.966837  0.870184

In [13]: df.loc[:, 'foo'] = 0

In [14]: df
Out[14]:
  foo          bar
    A  B         C         D
0   0  0  0.170111  0.582362
1   0  0  0.515702  0.630627
2   0  0  0.450505  0.103858
3   0  0  0.966837  0.870184

如果要设置除

栏

之外的所有列，可以这样做

In [15]: df.loc[:,  [col for col in df.columns.levels[0] if col != 'bar']] = 0

用于设置您的数据。在这里，您可以访问

foo

下的子列（A、B）

In [12]: df
Out[12]:
        foo                 bar
          A         B         C         D
0  0.040251  0.119267  0.170111  0.582362
1  0.978192  0.592043  0.515702  0.630627
2  0.762532  0.667234  0.450505  0.103858
3  0.871375  0.397503  0.966837  0.870184

In [13]: df.loc[:, 'foo'] = 0

In [14]: df
Out[14]:
  foo          bar
    A  B         C         D
0   0  0  0.170111  0.582362
1   0  0  0.515702  0.630627
2   0  0  0.450505  0.103858
3   0  0  0.966837  0.870184

如果要设置除

栏

之外的所有列，可以这样做

In [15]: df.loc[:,  [col for col in df.columns.levels[0] if col != 'bar']] = 0

更容易，没有loc

df['foo']=0

更容易，没有loc

df['foo']=0

---

如果您碰巧没有此多索引，则可以使用：

df.ix[:,['A','B']] = 0

---

这会自动将列“A”和“B”中的值替换为0。

如果碰巧没有此多索引，则可以使用：

df.ix[:,['A','B']] = 0

---

这会自动将列“A”和“B”中的值替换为0。

您可以使用

获取级别值，我想：

>>> df
        foo                 bar          
          A         B         C         D
0  0.039728  0.065875  0.825380  0.240403
1  0.617857  0.895751  0.484237  0.506315
2  0.332381  0.047287  0.011291  0.346073
3  0.216224  0.024978  0.834353  0.500970
>>> df.loc[:, df.columns.get_level_values(0) != "bar"] = 0
>>> df
  foo          bar          
    A  B         C         D
0   0  0  0.825380  0.240403
1   0  0  0.484237  0.506315
2   0  0  0.011291  0.346073
3   0  0  0.834353  0.500970

df.columns.droplevel（1）！=“bar”
也应该可以工作，尽管我不太喜欢它，尽管它更短，因为它会反转选择逻辑。
您可以使用
获取级别值，我想：

>>> df
        foo                 bar          
          A         B         C         D
0  0.039728  0.065875  0.825380  0.240403
1  0.617857  0.895751  0.484237  0.506315
2  0.332381  0.047287  0.011291  0.346073
3  0.216224  0.024978  0.834353  0.500970
>>> df.loc[:, df.columns.get_level_values(0) != "bar"] = 0
>>> df
  foo          bar          
    A  B         C         D
0   0  0  0.825380  0.240403
1   0  0  0.484237  0.506315
2   0  0  0.011291  0.346073
3   0  0  0.834353  0.500970

df.columns.droplevel（1）！=“bar”
也应该可以，尽管我不太喜欢它，尽管它比较短，因为它颠倒了选择逻辑。
感谢您的快速回复。虽然这会为上面的示例产生所需的结果，但实际上我宁愿使用
bar
作为条件，而不是
foo
，因为
foo
实际上会有很多列。类似
df.loc[：，[col for col in df.columns.levels[0]的情况下，如果col！='bar']=0
，最终使用了这种方法，因为它也允许我传递一个列表，例如
['a'，'B']
而不是
'bar'
，谢谢您的快速回复。虽然这会为上面的示例产生所需的结果，但实际上我宁愿使用
bar
作为条件，而不是
foo
，因为
foo
实际上会有很多列。类似
df.loc[：，[col for col in df.columns.levels[0]的情况下，如果col！='bar']=0
，最终使用了这种方法，由于它也允许我传递一个列表，例如
['a'，'B']
而不是
'bar'
，因此建议在pandas对象中设置值时，必须小心避免所谓的“链在哪里？”：）建议在pandas对象中设置值时，必须小心避免所谓的“链在哪里？”：）你能说得更具体些吗？因为我用过很多次这种方法，效果很好。但是千万不要使用多索引，至少我记得不是这样。只要从问题中创建一个DF，并针对它运行代码——你会看到的。如果你从未亲自尝试过，你为什么要回答这个问题？你至少读过我的答案吗？第一行：“如果你碰巧没有这个多索引，你可以使用”如果你自己从来没有读过，为什么要评论这个答案？啊，好吧，我想你的答案帮了大忙…：）你能说得更具体些吗？因为我用过很多次这种方法，效果很好。但是千万不要使用多索引，至少我记得不是这样。只要从问题中创建一个DF，并针对它运行代码——你会看到的。如果你从未亲自尝试过，你为什么要回答这个问题？你至少读过我的答案吗？第一行：“如果你碰巧没有这个多索引，你可以使用”如果你自己从来没有读过，为什么要评论这个答案？啊，好吧，我想你的答案帮了大忙…：）