如何使用Python DataFrame的xs方法进行多级索引查询？
- 内容介绍
- 文章标签
- 相关推荐
本文共计229个文字，预计阅读时间需要1分钟。
使用xs+在多重索引中，首先创建一个包含二级行索引的dataframe，如下所示：
pythonimport numpy as npimport pandas as pd
np_arrays=[[0, 1, 1, 2, 2, 2]]df=pd.DataFrame(np.random.randn(6, 2), index=pd.MultiIndex.from_tuples(list(zip(*np_arrays))))
xs用于多重索引中，先创立一个二级行索引的dataframe，如下所示：
np.arrays = [['one', 'one', 'one', 'two', 'two', 'two'], [1, 2, 3, 1, 2, 3]] df = pd.DataFrame(np.random.randn(6, 2), index = pd.MultiIndex.from_tuples(list(zip(*np.arrays))), columns = ['A', 'B']) df
数据集如下展示：
一、取one行使用df.loc[‘one’]
使用df.xs(‘one’)
用df.xs(('one', 1))
用loc的方法
本文共计229个文字，预计阅读时间需要1分钟。
使用xs+在多重索引中，首先创建一个包含二级行索引的dataframe，如下所示：
pythonimport numpy as npimport pandas as pd
np_arrays=[[0, 1, 1, 2, 2, 2]]df=pd.DataFrame(np.random.randn(6, 2), index=pd.MultiIndex.from_tuples(list(zip(*np_arrays))))
xs用于多重索引中，先创立一个二级行索引的dataframe，如下所示：
np.arrays = [['one', 'one', 'one', 'two', 'two', 'two'], [1, 2, 3, 1, 2, 3]] df = pd.DataFrame(np.random.randn(6, 2), index = pd.MultiIndex.from_tuples(list(zip(*np.arrays))), columns = ['A', 'B']) df
数据集如下展示：
一、取one行使用df.loc[‘one’]
使用df.xs(‘one’)
用df.xs(('one', 1))
用loc的方法