Python 如何处理与数据帧关联的元数据？

Q1:将元信息保存到数据帧的最佳实践是什么？我知道下面的编码实践

import pandas as pd
df = pd.DataFrame([])
df.currency = 'USD'
df.measure = 'Price'
df.frequency = 'daily'

但正如本文所述，这与应用诸如“groupby、pivot、join或loc”之类的函数而丢失信息的风险有关，因为它们可能返回“一个没有附加元数据的新数据帧”

这是否仍然有效，或者在此期间是否对元信息处理进行了更新？为此目的，将pandas子类化是一种良好的编码实践吗

Q2:什么是替代编码实践

我不认为建立一个单独的对象是非常合适的。同时使用多索引也不能说服我。假设我想把一个有价格的数据框除以一个有收益的数据框。使用多重索引将非常复杂

#define price DataFrame
p_index = pd.MultiIndex.from_tuples([['Apple', 'price', 'daily'],['MSFT', 'price', 'daily']])
price = pd.DataFrame([[90, 20], [85, 30], [70, 25]], columns=p_index)

# define earnings dataframe
e_index = pd.MultiIndex.from_tuples(
    [['Apple', 'earnings', 'daily'], ['MSFT', 'earnings', 'daily']])
earnings=pd.DataFrame([[5000, 2000], [5800, 2200], [5100, 3000]], 
                columns=e_index)

price.divide(earnings.values, level=1, axis=0)

在上面的例子中，我甚至不能确保公司指数真的匹配。我可能需要调用pd.DataFrame.reindex（）或类似的函数。在我看来，这不是一个好的编码实践

有没有一个简单的解决方案来解决在这种情况下处理元信息的问题，我看不到

---

提前谢谢你

我认为多索引是一条路要走，但这样：

daily_price_data = pd.DataFrame({'Apple': [90, 85, 30], 'MSFT':[20, 30, 25]})
daily_earnings_data = pd.DataFrame({'Apple': [5000, 58000, 5100], 'MSFT':[2000, 2200, 3000]})
data = pd.concat({'price':daily_price_data, 'earnings': daily_earnings_data}, axis=1)
data


    earnings        price
    Apple   MSFT    Apple   MSFT
0   5000    2000    90      20
1   58000   2200    85      30
2   5100    3000    30      25

然后，划分：

data['price'] / data['earnings']

如果您发现将公司列在索引的第一级更有意义，那么将非常有帮助：

data2 = data.reorder_levels([1,0], axis=1).sort_index(axis=1)
data2.xs('price', axis=1, level=-1) / data2.xs('earnings', axis=1, level=-1)

---

尽管构建自定义对象不是您的第一选择，但它可能是您唯一可行的选择，并且具有极其灵活的显著优势。下面是一个非常简单的例子：

df=pd.DataFrame({'stock': 'AAPL AAPL MSFT MSFT'.split(),
                 'price':[ 445.,455.,195.,205.]})

col_labels = { 'stock' : 'Ticker Symbol',
               'price' : 'Closing Price in USD' }

这只是列标签的字典，但大多数元数据通常与特定列相关。以下是带有标签的示例数据：

df.rename(columns=col_labels)

#   Ticker Symbol  Closing Price in USD
# 0          AAPL                 445.0
# 1          AAPL                 455.0
# 2          MSFT                 195.0
# 3          MSFT                 205.0

很好的一点是，标签“持久化”，即您基本上可以将其应用于列为原始列的子集或超集的任何数据：

df.groupby('stock').mean().rename(columns=col_labels)

#        Closing Price in USD
# stock                      
# AAPL                  450.0
# MSFT                  200.0

如果使用

attrs

属性，可以获得一些有限的持久性：

df.attrs = col_labels

但这是相当有限的。对于通过

.copy（）

、

loc[]

或

iloc[]

派生的数据帧，它将保持不变，但对于

groupby（）

则不会保持不变。当然，您可以重新附加到任何派生数据帧，例如

df2.attrs = df.attrs

但是，正如本文所述（或缺乏），这是一个实验性特征，可能会发生变化。看起来总比没有好一点，也许将来会扩大。我找不到关于

attrs

的太多信息，但它似乎被初始化为一个空字典，只能是一个字典（或类似的），当然列表可以嵌套在顶层之下