Python 如何对Pandas中的多索引列进行排序
我正在尝试操纵一组多索引数组。每列都是一个具有不同类别分组的时间序列。我想对数据进行排序,然后解析所有类别,然后再进行一些额外的数据操作。下面是我尝试但没有成功的示例代码Python 如何对Pandas中的多索引列进行排序,python,pandas,sorting,multi-index,Python,Pandas,Sorting,Multi Index,我正在尝试操纵一组多索引数组。每列都是一个具有不同类别分组的时间序列。我想对数据进行排序,然后解析所有类别,然后再进行一些额外的数据操作。下面是我尝试但没有成功的示例代码 import pandas as pd import numpy as np df=pd.DataFrame({'t': range(1,11)}) df.set_index(['t'],inplace=True) for num in range(2): labely = (str(num),'A','y')
import pandas as pd
import numpy as np
df=pd.DataFrame({'t': range(1,11)})
df.set_index(['t'],inplace=True)
for num in range(2):
labely = (str(num),'A','y')
labelx = (str(num),'A','x')
labelbx = (str(num),'B','x')
df[labelx]= np.random.randn(10)
df[labelbx]= np.random.randn(10)
df[labely]= np.random.randn(10)+range(1,11)
df.columns = pd.MultiIndex.from_tuples(df.columns, names=['ID','Location','Direction'])
df[('0','A','tot')]=df[('0','A','y')]+df[('0','A','x')]
df.sort_index(level='ID',inplace=True)
df.head()
这不合适。这是总数未与其他0 ID分组且位置未分组在一起的结果:
ID 0 ... 1 0
Location A B A ... B A A
Direction x x y ... x y tot
t ...
1 0.430386 -0.121109 0.263314 ... 0.243839 0.313505 0.693700
2 -1.262746 -0.678889 1.289814 ... -0.893230 0.373103 0.027068
3 0.245483 -0.565859 3.766628 ... 0.012933 1.652484 4.012111
4 1.518357 0.447032 5.649877 ... -1.205161 5.513507 7.168233
5 -0.095216 -0.571333 6.794958 ... -0.777933 4.073334 6.699741
我有两个与此相关的问题
for id in ID:
for loc in Location:
df[(id,loc,'tot')=df[(id,loc,'x')]+df[(id,loc,'y')]
要按列排序,如轴=1:
df.sort_index(level='ID',axis=1,inplace=True)
为了得到要解析的唯一列名的元组列表,我需要columns.values,然后在计算后求助
for id,loc,dir in df.columns.values:
df[(id,loc,'tot')]=(df[(id,loc,'x')]**2+df[(id,loc,'y')]**2)**.5
df.sort_index(level='ID',axis=1,inplace=True)
由于这是基本列计算,我认为这种方法会很有效。排序索引有一个参数
轴
默认为0,这意味着按索引排序。您需要axis=1
对列进行排序。谢谢。那很好用。这就解决了问题1。仍然不确定如何解析数据帧。