Python Pandas 使用 .loc 跨列级别进行多重索引

Question

我对 python 和 pandas 仍然很陌生，想知道是否有更好的方法来解决我遇到的索引问题。因为我看到人们在这个网站上做了非常巧妙的事情，超出了我通常可以从文档中收集到的内容，所以我想我会问——特别是因为我还在学习。

我有一个具有多个列级别的 DataFrame，级别 0 是“meta”和“rna”，级别 1 是“meta”下的“subject_id”、“疾病”、“时间”和“状态”，以及数千个列EnsemblGeneID 位于“rna”下。对我来说，如果我想要“meta”列的特定子集和所有“rna”列，我只需将元组列表传递给

df.loc[]

:

selected_columns = df.loc[:, [("meta", "subject_id"), ("meta", "status"), ("rna",:)]]

但这不起作用，根据文档，似乎没有什么比这更优雅的了。有谁知道执行此操作的时尚方法吗？

我尝试了各种将东西传递给

df.loc[]

进行实验的方法，但大多数都因各种按键错误、切片错误等而出错，而且我能得到的工作并不像可能的那么优雅。仍在尝试弄清楚是否可以使用索引器，但这与单级 dfs 相比似乎过于复杂。

我发现最有效的方法是 ChatGPT 建议的：

selected_columns = df.loc[:, [('meta', 'subject_id'), ('meta', 'status')] + [('rna', col) for col in df['rna'].columns]]

也许这已经很巧妙了，但这并不像单级 DataFrame 的工作方式那么直观，而且我之前在这里看到过一些魔法，所以想在这里尝试一下。另外，也许一些经验丰富的 Python 开发人员可以告诉我，尝试像这样导航 DataFrame 是完全错误的，我应该做其他事情。

Answer 1

所以这条线有两个问题：

selected_columns = df.loc[:, [("meta", "subject_id"), ("meta", "status"), ("rna",:)]]

第一只熊猫不认识

df.loc [:, ("rna", :)]

。正确的语法是

df.loc [:,"rna"]

。第二个问题来自索引的维度/级别：

df.loc [:, ("rna", :)]

将返回一个数据帧，这是合乎逻辑的，因为您将有多个列，而使用

df.loc [:, ("meta", "subject_id")]

，我们有一个系列，因为我们“完全索引”列（我们指定哪个级别） 0 和我们感兴趣的 1 级）。因此，即使语法正确，我们也会在 loc 参数中混合不同级别的索引。

为了保持代码的可读性，我建议这样做（这实际上是 ChatGPT 提出的！）：

selected_columns_indexes = [("meta", "subject_id"), ("meta", "status")] + [("rna", sub_rna) for sub_rna in df.loc[:, "rna"].columns]
selected_columns = df.loc[:,selected_columns_indexes]