Skip to main content
 首页 » 编程设计

python之pandas之获取每个多索引级别标签行的一小部分

2025年05月04日9zhengyun_ustc

我有一个 XY 问题。我的设置如下 - 我有一个具有 2 个级别的多索引的数据框。我想将它分成两个数据框,只从第一级的每个标签中提取一小部分行。例如:

df = pd.DataFrame({'a':[1, 1, 1, 1, 7, 7, 10, 10, 10, 10, 10, 10, 10], 'b': np.random.randint(0, 100, 13), 'c':np.random.randint(0, 100, 13)}).set_index(['a', 'b']) 
df 
Out[13]:  
        c 
a  b      
1  86  83 
   1   37 
   57  64 
   53   5 
7  4   66 
   13  49 
10 61   0 
   32  84 
   97  59 
   69  98 
   25  52 
   17  31 
   37  95 

假设分数是 0.5,我想将它分成两个数据帧:

        c 
a  b      
1  86  83 
   1   37 
7  4   66 
10 61   0 
   32  84 
   97  59 
   69  98 
 
        c 
a  b      
1  57  64 
   53   5 
7  13  49 
10 25  52 
   17  31 
   37  95 

我考虑过执行 (df.groupby(level = 0).count() * 0.5).astype(int) 来获得“切片”数据帧的限制。那么,要是我有办法添加这样的运行距离就好了:

        c  r 
a  b         
1  38  36  0 
   6   47  1 
   57   6  2 
   55  45  3 
7  7   51  0 
   90  96  1 
10 59  75  0 
   27  16  1 
   58   7  2 
   79  51  3 
   58  77  4 
   63  48  5 
   87  60  6 

我可以加入限制和这个 df 并使用 bool 条件进行过滤。对这两个问题有什么建议吗? (拆分一小部分行或添加一个级别感知运行索引)

请您参考如下方法:

事实证明这对于 groupby 来说非常微不足道:

In [36]: df.groupby(level=0).apply(lambda x:x.head(int(x.shape[0] * 0.5))).reset_index(level=0, drop=True) 
Out[36]:  
        c 
a  b      
1  86  83 
   1   37 
7  4   66 
10 61   0 
   32  84 
   97  59 

同时获取每组的运行索引:

In [33]: df.groupby(level=0).cumcount() 
Out[33]:  
a   b  
1   38    0 
    6     1 
    57    2 
    55    3 
7   7     0 
    90    1 
10  59    0 
    27    1 
    58    2 
    79    3 
    58    4 
    63    5 
    87    6