Python/pandas 中的切片列索引

Question

熟悉 Python/pandas 中的切片，但是当设置基于列的索引时，它是如何操作的？

有一个数据框，

d

，我为其创建了一个列轴，如下所示：

levels_df = pd.DataFrame(levels)
levels_df = levels_df.set_axis(new_labels,axis=1).iloc[2:]
levels_df.head(10)
Out[14]: 
Position      9.0     8.0      7.0     6.0  ...              7.0      8.0     9.0
Side          1.0     1.0      1.0     1.0  ...      0.0     0.0      0.0     0.0
2         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
3         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
4         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
5         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
6         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
7         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
8         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
9         4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
10        4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5
11        4484.75  4485.0  4485.25  4485.5  ...  4488.75  4489.0  4489.25  4489.5

[10 rows x 20 columns]

levels_df

Position    9.0 8.0 7.0 6.0 5.0 4.0 3.0 2.0 1.0 0.0 0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0
Side    1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
2   4484.75 4485.0  4485.25 4485.5  4485.75 4486.0  4486.25 4486.5  4486.75 4487.0  4487.25 4487.5  4487.75 4488.0  4488.25 4488.5  4488.75 4489.0  4489.25 4489.5
3   4484.75 4485.0  4485.25 4485.5  4485.75 4486.0  4486.25 4486.5  4486.75 4487.0  4487.25 4487.5  4487.75 4488.0  4488.25 4488.5  4488.75 4489.0  4489.25 4489.5
4   4484.75 4485.0  4485.25 4485.5  4485.75 4486.0  4486.25 4486.5  4486.75 4487.0  4487.25 4487.5  4487.75 4488.0  4488.25 4488.5  4488.75 4489.0  4489.25 4489.5
5   4484.75 4485.0  4485.25 4485.5  4485.75 4486.0  4486.25 4486.5  4486.75 4487.0  4487.25 4487.5  4487.75 4488.0  4488.25 4488.5  4488.75 4489.0  4489.25 4489.5
6   4484.75 4485.0  4485.25 4485.5  4485.75 4486.0  4486.25 4486.5  4486.75 4487.0  4487.25 4487.5  4487.75 4488.0  4488.25 4488.5  4488.75 4489.0  4489.25 4489.5
7   4484.75 4485.0  4485.25 4485.5  4485.75 4486.0  4486.25 4486.5  4486.75 4487.0  4487.25 4487.5  4487.75 4488.0  4488.25 4488.5  4488.75 4489.0  4489.25 4489.5
8   4484.75 4485.0  4485.25 4485.5  4485.75 4486.0  4486.25 4486.5  4486.75 4487.0  4487.25 4487.5  4487.75 4488.0  4488.25 4488.5  4488.75 4489.0  4489.25 4489.5

如何对这样的数据帧进行切片以检索 df 的过滤版本？

例如，像这样：

levels_df.iloc[:5,(levels_df.Position==8) & (levels_df.Side==1)]

会回来：

Position    8.0
Side    1.0
2   4485.0
3   4485.0
4   4485.0
5   4485.0
6   4485.0

而不是错误：

levels_df[(levels_df.Position==8) & (levels_df.Side==1)]
Traceback (most recent call last):

  File "/tmp/ipykernel_424060/105426524.py", line 1, in <module>
    levels_df[(levels_df.Position==8) & (levels_df.Side==1)]

  File "/home/chris/anaconda3/lib/python3.9/site-packages/pandas/core/generic.py", line 5575, in __getattr__
    return object.__getattribute__(self, name)

AttributeError: 'DataFrame' object has no attribute 'Position'

Answer 1

我不知道你为什么这样做。我个人会考虑 pandas 多索引

但这应该有效。

levels_df = levels_df.T

filtered_df = levels_df[(levels_df['Position'] == 8) & (levels_df['Side'] == 1)]

desired_form = filtered_df.T