python pandas中的嵌套数据框/索引

Question

目标

我正在尝试使用 python pandas 操作来自一些视频跟踪实验的数据。我在结构上放置了许多点标记，并随着时间的推移跟踪点的 XY 坐标。这些数据一起描述了测试过程中结构的形状。我无法将我的数据安排到分层/嵌套的 DataFrame 对象中。

导入数据

我的跟踪方法为每一帧视频输出每个点的 X、Y 坐标（和时间）。这些数据存储在csv 文件中，每个变量有一列，每个视频帧有一行：

t,x,y
0.000000000E0,-4.866015168E2,-2.116143012E0
1.000000000E-1,-4.866045511E2,-2.123012558E0
2.000000000E-1,-4.866092436E2,-2.129722560E0

使用pandas.read_csv 我可以将这些csv 文件读入DataFrames，具有相同的列/行格式：

In [1]: pd.read_csv(point_a.csv)
Out[17]: 
     t           x         y
0  0.0 -486.601517 -2.116143
1  0.1 -486.604551 -2.123013
2  0.2 -486.609244 -2.129723

目前没有问题。

创建层次结构

我想合并上述几个DataFrames（每个点一个），并创建一个带有分层列的大DataFrame，其中所有变量共享一个索引（视频帧）。请参阅下面的列point_a、point_b 等，以及x、y、t 的子列。 shape 列表示用于绘制结构形状的有用向量。

        |   point_a     |   point_b     |   point_c     |   shape
frames  |   x   y   t   |   x   y   t   |   x   y   t   |   x               y
-----------------------------------------------------------------------------------
0       |   xa0 ya0 ta0 |   xb0 yb0 tb0 |   xc0 yc0 tc0 |   [xa0,xb0,xc0]   [ya0,yb0,yc0]
1       |   xa1 ya1 ta1 |   xb1 yb1 tb1 |   xc1 yc1 tc1 |   [xa1,xb1,xc1]   [ya1,yb1,yc1]
2       |   xa2 ya2 ta2 |   xb2 yb2 tb2 |   xc2 yc2 tc2 |   [xa2,xb2,xc2]   [ya2,yb2,yc2]
3       |   xa3 ya3 ta3 |   xb3 yb3 tb3 |   xc3 yc3 tc3 |   [xa3,xb3,xc3]   [ya3,yb3,yc3]

我想指定一个视频帧，并能够获取该帧的变量值，例如df[1].point_b.y = yb1

到目前为止我所尝试的

嵌套dicts 作为输入

我之前处理这种事情的方法是使用嵌套dicts：

nested_dicts = {
    "point_a": {
        "x": [xa0, xa1, xa2], 
        "y": [ya0, ya1, ya2], 
        "t": [ta0, ta1, ta2],
        },
    "point_b": {
        "x": [xb0, xb1, xb2], 
        "y": [yb0, yb1, yb2], 
        "t": [tb0, tb1, tb2],
        },
    "point_c": {
        "x": [xc0, xc1, xc2], 
        "y": [yc0, yc1, yc2], 
        "t": [tc0, tc1, tc2],
        },
    }

这可以满足我所需要的一切除了，可以按帧号对数据进行切片。当我尝试使用这个嵌套的dict 作为DataFrame 的输入时，我得到以下信息：

In [1]: pd.DataFrame(nested_dicts)
Out[2]:
           point_a          point_b          point_c
t  [ta0, ta1, ta2]  [tb0, tb1, tb2]  [tc0, tc1, tc2]
x  [xa0, xa1, xa2]  [xb0, xb1, xb2]  [xc0, xc1, xc2]
y  [ya0, ya1, ya2]  [yb0, yb1, yb2]  [yc0, yc1, yc2]

问题：没有共享帧索引。 DataFrame 以t,x,y 为索引。

为嵌套字典输入指定索引

如果我尝试指定索引：

In [1]: pd.DataFrame(nested_dicts, index=range(number_of_frames)) 

然后我得到一个DataFrame，其行数正确，但没有子列，并且充满NaNs：

Out[2]:
    point_a point_b point_c
0   NaN     NaN     NaN    
1   NaN     NaN     NaN  
2   NaN     NaN     NaN  
3   NaN     NaN     NaN  
4   NaN     NaN     NaN  
5   NaN     NaN     NaN  
6   NaN     NaN     NaN  
7   NaN     NaN     NaN  
8   NaN     NaN     NaN 

分别添加每个DataFrame

如果我为每个点创建一个DataFrame：

point_a =               point_b =
    t    x    y             t    x    y
0   ta0  xa0  ya0       0   tb0  xb0  yb0
1   ta1  xa1  ya1       1   tb1  xb1  yb1
2   ta2  xa2  ya2       2   tb2  xb2  yb2

并将这些传递给DataFrame，表示要共享的索引，如下：

In [1]: pd.DataFrame({"point_a":point_a,"point_b":point_b},index=point_a.index)

然后我得到以下内容，其中仅包含 x,y,t 作为字符串：

Out[2]:
    point_a point_b
0   (t,)    (t,)
1   (x,)    (x,)
2   (y,)    (y,)

Answer 1

我认为您可以将dict comprehension 与concat 一起使用，然后通过stack 和unstack 重塑DataFrame：

df = pd.concat({key:pd.DataFrame(nested_dicts[key]) for key in nested_dicts.keys()})
       .stack()
       .unstack([0,2])

print (df)
  point_a           point_b           point_c          
        t    x    y       t    x    y       t    x    y
0     ta0  xa0  ya0     tb0  xb0  yb0     tc0  xc0  yc0
1     ta1  xa1  ya1     tb1  xb1  yb1     tc1  xc1  yc1
2     ta2  xa2  ya2     tb2  xb2  yb2     tc2  xc2  yc2

使用swaplevel 的另一种解决方案，并按sort_index 对列中MultiIndex 中的第一级进行排序：

df = pd.concat({key:pd.DataFrame(nested_dicts[key]) for key in nested_dicts.keys()})
       .unstack(0)

df.columns = df.columns.swaplevel(0,1)
df = df.sort_index(level=0, axis=1)
print (df)
  point_a           point_b           point_c          
        t    x    y       t    x    y       t    x    y
0     ta0  xa0  ya0     tb0  xb0  yb0     tc0  xc0  yc0
1     ta1  xa1  ya1     tb1  xb1  yb1     tc1  xc1  yc1
2     ta2  xa2  ya2     tb2  xb2  yb2     tc2  xc2  yc2

或者您可以将Panel 与transpose 和to_frame 一起使用：

df = pd.Panel(nested_dicts).transpose(0,1,2).to_frame().unstack()
print (df)
      point_a           point_b           point_c          
minor       t    x    y       t    x    y       t    x    y
major                                                      
0         ta0  xa0  ya0     tb0  xb0  yb0     tc0  xc0  yc0
1         ta1  xa1  ya1     tb1  xb1  yb1     tc1  xc1  yc1
2         ta2  xa2  ya2     tb2  xb2  yb2     tc2  xc2  yc2