具有多索引的df.at与df.loc

Question

我有一个关于＜code＞df之间的区别的问题。loc和测向。对于具有多索引的数据帧，在处。我一直在查看stackoverflow中的一些精彩资源，但它似乎没有阐明我的问题。特别是这一个……熊猫。at vs.loc（或者至少我不完全理解这里展示的是什么）。

根据熊猫留档，https://pandas-docs.github.io/pandas-docs-travis/generated/pandas.DataFrame.at.html，df.at应该返回奇异值，它比df.loc快，所以我倾向于使用df.at。让我展示一下我的困惑，因为它适用于将df.at与MultiIndex一起使用。

我有以下数据框架:

df = pd.DataFrame({'field1':['foo']*6, 'field2':['bar']*6, 'field3': 
['a','a','b','b','b','c'],'value1':[0.4,0.5,0.4,0.7,.9,.4],'value2': 
[4000,4000,9000,9000,9000,10000]}, index=range(6))

df
Out[329]: 
  field1 field2 field3  value1  value2
0    foo    bar      a     0.4    4000
1    foo    bar      a     0.5    4000
2    foo    bar      b     0.4    9000
3    foo    bar      b     0.7    9000
4    foo    bar      b     0.9    9000
5    foo    bar      c     0.4   10000

我想使用MultiIndex访问此数据帧，因此我正在执行以下操作：

df = df.set_index(['field1','field2','field3'])

所以现在我想在我的df中访问value e1at（'foo'，'bar'，'c'）这是一个奇异值，它错误。

df.at[('foo','bar','c'),'value1']
Traceback (most recent call last):

  File "<ipython-input-344-921b8b658a49>", line 1, in <module>
    df.at[('foo','bar','c'),'value1']

  File "C:\Anaconda2\lib\site-packages\pandas\core\indexing.py", line 1610, 
in __getitem__
    return self.obj.get_value(*key, takeable=self._takeable)

  File "C:\Anaconda2\lib\site-packages\pandas\core\frame.py", line 1836, in 
get_value
    return engine.get_value(series.get_values(), index)

  File "pandas\index.pyx", line 103, in pandas.index.IndexEngine.get_value 
(pandas\index.c:3234)

  File "pandas\index.pyx", line 111, in pandas.index.IndexEngine.get_value 
(pandas\index.c:2931)

  File "pandas\index.pyx", line 152, in pandas.index.IndexEngine.get_loc 
(pandas\index.c:3830)

  File "pandas\index.pyx", line 170, in 
pandas.index.IndexEngine._get_loc_duplicates (pandas\index.c:4154)

TypeError: only integer arrays with one element can be converted to an index

我假设这是返回一个序列对象，它不能用单个值表示？这只是我的假设，给定df.loc的输出。

df.loc[('foo','bar','c')]['value1']
 Out[345]: 
field1  field2  field3
foo     bar     c         0.4
Name: value1, dtype: float64

如果我没有使用多索引，我想这个问题不会出现...

这周围有什么，或者我明显漏掉了什么？谢谢你

Answer 1

你可以试着这样做:

# setting multiindex
df = df.set_index(['field1','field2','field3'])

现在，当您像这样使用< code>df.at时:< code>df.at[('foo '，' bar '，' c')]['value1']，您将获得所需的结果:

field1  field2  field3
foo     bar     c         0.4
Name: value1, dtype: float64

根据我的尝试，您可能没有正确使用上的＜code＞查询数据帧。