Python：用多个索引重塑dataframe
假设我们有这样一个数据frame：
In[1]: operinc_df
Out[1] :
ticker1 ticker2 ticker3
0 0.343573 0.654719 0.246643
1 0.186861 0.219793 0.761056
2 0.417347 0.058368 0.684918
3 0.803177 0.014781 0.896704
4 0.294515 0.488001 0.291187
5 0.402278 0.368005 0.821096
6 0.985514 0.378000 0.929529
7 1.168360 0.729640 0.347064
8 0.025802 1.337121 0.638399
9 0.019182 2.257563 0.041164
我们还有另一个具有相同行数和列数（具有相同名称）的DataFrame：
In[2]: opex_df
Out[2] :
ticker1 ticker2 ticker3
0 1.450770 0.227986 2.243050
1 1.212298 0.406004 1.212320
2 0.918931 0.677043 0.361878
3 0.566981 1.155675 0.295542
4 0.600614 0.872015 1.129760
5 0.470118 0.730027 1.112045
6 1.489904 0.522885 0.475244
7 1.626853 0.142996 0.758590
8 0.290340 1.175891 0.591020
9 1.472838 0.107094 0.715764
我不知道如何创建另一个由operinc_df和opex_df组成的DataFrame基本原理，使其看起来像下面的DataFrame（可能有两个索引级别）：
In[3]: fundamentals
Out[3] :
operinc_df opex_df
ticker1 0 0.343573 1.450770
ticker1 1 0.186861 1.212298
. . . .
. . . .
. . . .
ticker1 9 0.019182 1.472838
ticker2 0 0.654719 0.227986
ticker2 1 0.219793 0.406004
. . . .
. . . .
. . . .
ticker2 9 2.257563 0.107094
ticker3 0 0.246643 2.243050
ticker3 1 0.761056 1.212320
. . . .
. . . .
. . . .
ticker3 9 0.041164 0.715764
阅读基于列标签在pandas中重新塑造dataframes并从多个dict创建一个pandas DataFrame，这给了我一些见解（因为我也试图通过以下方法来实现：首先将原始dataframes转换为dicts，用字典理解的键打包operinc_df和opex_df，然后用pandas.DataFrame.from_dict()尝试创建guritials_df。
你对我如何正确地做到这一点有什么想法吗？提前非常感谢。
共有1个答案
您可以连接转置的数据帧，
new_df = pd.concat([operinc_df.T, opex_df.T], axis = 1, keys=['operinc_df', 'opex_df']).stack()
operinc_df opex_df
ticker1 0 0.343573 1.450770
1 0.186861 1.212298
2 0.417347 0.918931
3 0.803177 0.566981
4 0.294515 0.600614
5 0.402278 0.470118
6 0.985514 1.489904
7 1.168360 1.626853
8 0.025802 0.290340
9 0.019182 1.472838
ticker2 0 0.654719 0.227986
1 0.219793 0.406004
2 0.058368 0.677043
3 0.014781 1.155675
4 0.488001 0.872015
5 0.368005 0.730027
6 0.378000 0.522885
7 0.729640 0.142996
8 1.337121 1.175891
9 2.257563 0.107094
ticker3 0 0.246643 2.243050
1 0.761056 1.212320
2 0.684918 0.361878
3 0.896704 0.295542
4 0.291187 1.129760
5 0.821096 1.112045
6 0.929529 0.475244
7 0.347064 0.758590
8 0.638399 0.591020
9 0.041164 0.715764
-
问题内容： 从这里开始。该解决方案仅适用于一列。如何改进多列解决方案。即如果我有一个像 如何重塑像 如果df是 然后 问题答案： 采用 要么， 另外，索引不相等
-
我正在使用来训练CNN，基本错误是维度不匹配。 调试后的原因是： 生成输出： 如果需要，我的模型的摘要是： convolution2d_1（卷积2D）（无，32, 25, 34) 320convolution2d_input_1[0][0] activation\u 1（activation）（无、32、25、34）0卷积2d\u 1[0][0] 卷积2d\u 2（卷积2d）（无，32，23，32
-
问题内容： 我在同一台Ubuntu服务器上有一个Rails 3应用程序的暂存和生产实例（使用tyre gem）。看来这两个实例都共享相同的elasticsearch索引，这显然不是我想要的。 如何使生产和登台实例使用单独的实例？ 问题答案： 您需要覆盖索引名称。假设您要绑定ActiveRecord，它将根据相关模型创建索引名称。您可以使用这样的前缀来调整名称； 然后会创建一个名为的索引，以此类推。
-
如果我定义一个像这样的分层索引数据框： 内容如下所示： 我知道如何提取与给定列对应的数据。例如。对于列： 如何提取符合以下标准集的数据： ， ， ， column ， ， 列 和 、、列、以及从开始的所有列 是偶数 （顺便说一句，我做了不止一次rtfm，但我真的觉得难以理解。）
-
我试图比较两个数据帧的差异，使用一个公共键/索引值，该值由帧中的3列组成。 e、 g.假设两列中的列都是：“COL1”、“COL2”、“COL3”、“COL4” 数据帧是df1 然后，我使用了set_index方法： 然后我想遍历df1数据帧，并检查df2数据帧是否有匹配的索引。我尝试过使用以下方法： 但是它返回false（尽管我可以通过打印看到两者的索引都存在）。 我做错了什么？ 另外，如何使用
-
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。