熊猫数据框的多索引答案

【问题标题】：MultiIndex for pandas dataframe熊猫数据框的多索引
【发布时间】：2015-11-11 16:35:42
【问题描述】：

我有这个代码：

 new_dict = {'x':[1,2,3,4,5], 'y':[11,22,33,44,55], 'val':[100, 200, 300, 400, 500]}
df = pd.DataFrame.from_dict(new_dict)   
    val  x   y
0  100  1  11
1  200  2  22
2  300  3  33
3  400  4  44
4  500  5  55

我希望能够结合使用x 和y 的值作为val 的索引，例如

df[3][33]
300

实现这一目标的最佳方法是什么？我知道这一定与多索引有关，但我不确定具体如何。

【问题讨论】：

对不起，你要df.loc[(df['x']==3) & (df['y']==33), 'val']？
这确实会给出正确的结果，但我想知道是否有更优雅、语法更简洁的方法。
好吧，你这里没有多索引，除了你要找的是行值匹配，你在这里没有使用任何索引
谢谢。但是构造一个多索引，然后使用它更实用吗？
视情况而定，但如果您确实设置了索引，那么您可以使用df.set_index(['x','y']).loc[3,33]，这在语法上可能对您来说更容易

标签： python pandas dataframe multi-index

【解决方案1】：

您可以将 2 个布尔条件定义为掩码并与 .loc 一起使用：

df.loc[(df['x']==3) & (df['y']==33), 'val']

否则只需设置索引，然后您可以使用这些值来索引 df：

In [233]:
df = df.set_index(['x','y'])
df.loc[3,33]

Out[233]:
val    300
Name: (3, 33), dtype: int64

你可以很容易地将第一个版本包装成一个函数

【讨论】：

【解决方案2】：

你可以定义一个函数：

new_dict = {'x':[1,2,3,4,5], 'y':[11,22,33,44,55], 'val':[100, 200, 300, 400,   500]}

df = pd.DataFrame.from_dict(new_dict) 

def multindex(x,y):
    return df.set_index(['x','y']).loc[x,y]

multindex(1,11) #will return '100'

【讨论】：

为了返回单个元素而构造具有多索引的df似乎很浪费