多索引中的pandas dataframe选择列
我有以下pd.DataFrame：
Name 0 1 ...
Col A B A B ...
0 0.409511 -0.537108 -0.355529 0.212134 ...
1 -0.332276 -1.087013 0.083684 0.529002 ...
2 1.138159 -0.327212 0.570834 2.337718 ...
它具有带有names=['Name', 'Col']和层次结构级别的MultiIndex列。该Name标签从0到n，并为每个标签，有两个A和B列。
我想子选择此DataFrame的所有A（或B）列。
问题答案：
有一种get_level_values方法可以与布尔索引一起使用，以获得预期的结果。
In [13]:
df = pd.DataFrame(np.random.random((4,4)))
df.columns = pd.MultiIndex.from_product([[1,2],['A','B']])
print df
1 2
A B A B
0 0.543980 0.628078 0.756941 0.698824
1 0.633005 0.089604 0.198510 0.783556
2 0.662391 0.541182 0.544060 0.059381
3 0.841242 0.634603 0.815334 0.848120
In [14]:
print df.iloc[:, df.columns.get_level_values(1)=='A']
1 2
A A
0 0.543980 0.756941
1 0.633005 0.198510
2 0.662391 0.544060
3 0.841242 0.815334
-
问题内容： 我正在尝试仅使用来自多索引DataFrame的一个索引来创建新的DataFrame。 理想情况下，我想要这样的事情： 和： 本质上，我想删除除level之外的多索引的所有其他索引。是否有捷径可寻？ 问题答案： 一种方法是简单地重新绑定到所需的MultiIndex级别。您可以通过指定要保留的标签名称来做到这一点： 或使用级别的整数值： MultiIndex的所有其他级别将在此处消失。
-
问题内容： 我有一个带有列“ A”和“ B”的多索引数据框。 有没有一种方法可以通过在多索引的一列上进行过滤而不选择将索引重新设置为单列索引来选择行？ 例如。 问题答案： 一种方法是使用Index方法： 在0.13，你就可以使用与参数： 注意：如果这是列MultiIndex而不是索引，则可以使用相同的技术：
-
我正在尝试从多索引数据帧中仅使用一个索引来创建新的数据帧。 理想情况下，我想要这样的东西： 和： 基本上，我想删除除level之外的多索引的所有其他索引。有没有一个简单的方法可以做到这一点？
-
基于单个值/标签的切片 基于一个或多个级别的多个标签的切片 布尔条件和表达式的过滤 哪些方法适用于什么情况 为简单起见的假设： 输入数据表没有重复的索引键 下面的输入数据只有两个级别。（此处所示的大多数解决方案都概括为N个级别） 问题2b 我如何获得级别“二”中对应于“t”和“w”的所有值？ 如何从检索横截面，即具有索引特定值的单行？具体来说，如何检索的横截面，由 如何选择与和相对应的两行？
-
我试图提取数据帧中的第7到14列。然而 只给出第1到第3行。 有人知道如果我想找到这些专栏我该怎么做吗？ 我知道如何使用列名，如，但由于名称太多，我只想在R中键入类似的内容。 提前感谢。
-
是否有任何方法可以在数据框中按索引（即整数）选择行，按列名选择列？ 我尝试使用loc，但它返回一个错误，我知道iloc只适用于索引。 这是数据帧df的第一行。我愿意选择第一行，名为“Volume”的列，并尝试使用df.loc[0，'Volume']