键不存在时多索引数据帧中的选择

Question

我正在尝试使用多索引数据框作为字典以快速检索感兴趣的行。我正在使用 .ix[] 方法通过它的多索引选择一行，但是当键不存在时我遇到异常。有没有办法获取具有默认返回值的行？还是我必须使用 try-except 组合来完成我需要的操作？

例子：

df = DataFrame({'a':[1,2,3],'b':[1,2,3],'c':[1,2,3]})
df.set_index(['a','b'])

         c
a   b   
1   1    1
2   2    2
3   3    3

现在尝试df.ix[1,5] 时出现异常，希望获得默认值。

编辑：

这是首先提出问题的原因。我有 2 个大数据框（一个有 20,000 行，另一个有 500,000 行）。两个表中的每一行都标记了一个单词识别事件。这些列是“fileName”、“Word”、“startTime”、“endTime”。

我想要做的是找出小 df (df1) 中的哪个事件也在 df2 中出现。问题是两个表中的时间是不同的。例如：

df1

    fileName    Word    startTime   EndTime
0    file1   additional  149640  150310
1    file1   additional  316430  316900
2    file1   additional  174180  174640
3    file2   additional  161900  162460
4    file2   additional  97150   97600

和df2：

df2

    fileName    Word   startTime EndTime
0    file1   additional  149717  150406
1    file1   additional  316507  316996
2    file1   additional  174257  174736
3    file2   additional  201977  202556
4    file2   additional  97227   97696

您可以看到事件 0、1、2 和 4 是相同的事件，尽管时间略有不同。如果它们的开始和结束时间与一些小的公差相似，我认为它们是相同的。 3 事件不符合该容忍度，因此不应被视为同一事件。

我完成这项任务的方法：

1. 按 fileName 和 Word 列索引大数据框 (df2)。
2. 遍历 df1 的行并针对每一行：
   • 使用行 fileName 和 Word 值在 df2 中选择适当的子集
   • 遍历 df2 子集的行并查找满足时间容差的事件
   • 如果在 df2 中发现此类事件，则返回 True。否则返回假。

我很乐意研究不同的方法。

Answer 1

您可以使用get（尽管它仅适用于主要选择轴，例如在其列的框架中），因此您需要使用转置来访问。

In [23]: df = DataFrame({'a':[1,2,3],'b':[1,2,3],'c':[1,2,3]})

In [24]: x = df.set_index(['a','b'])

In [25]: x
Out[25]: 
     c
a b   
1 1  1
2 2  2
3 3  3

[3 rows x 1 columns]

In [26]: x.T.get((1,1))
Out[26]: 
c    1
Name: (1, 1), dtype: int64

In [27]: x.T.get((1,5),default='foo')
Out[27]: 'foo'

但是，通常迭代和选择值并不是处理框架的有效方法。你的最终目标是什么？