在多索引数据帧上使用多维索引？

Question

我有一个多索引数据帧，看起来像这样（称为p_z）：

                     p_z
entry subentry
0     0         0.338738
      1         0.636035
      2        -0.307365
      3        -0.167779
      4         0.243284
...                  ...
26692 891      -0.459227
      892       0.055993
      893      -0.469857
      894       0.192554
      895       0.155738

[11742280 rows x 1 columns]

我希望能够基于另一个多维数据帧（或numpy数组）选择某些行。它看起来像熊猫数据帧（称为toffid）：

                tofpid
entry subentry
0     0              0
      1              2
      2              4
      3              5
      4              7
...                ...
26692 193          649
      194          670
      195          690
      196          725
      197          737

[2006548 rows x 1 columns]

我还把它作为一个笨拙的数组，它是一个（26692，）数组（每个条目都有一个非标准数量的子条目）。这是一个选择df/数组，告诉p_z df保留哪些行。所以在p_z的条目0中，它应该保留子条目0、2、4、5、7等等

我找不到办法在熊猫身上做到这一点。我对熊猫还不熟悉，对多索引更是陌生；但我觉得应该有办法做到这一点。如果它能够像我一样更好地进行广播，我将在1500个类似大小的数据帧上进行广播。如果有帮助的话，这些数据帧来自使用Outlot导入的*.root文件（如果没有pandas，还有其他方法可以做到这一点，我会接受；但我希望使用pandas使事情井然有序）

编辑：这里有一个可复制的例子（由吉姆·帕文斯基的回答提供；谢谢！）

import awkward as ak
import pandas as pd

>>> p_z = ak.Array([[ 0.338738, 0.636035, -0.307365, -0.167779, 0.243284,  
                      0.338738, 0.636035],
                    [-0.459227, 0.055993, -0.469857,  0.192554, 0.155738, 
                     -0.459227]])
>>> p_z = ak.to_pandas(p_z)
>>> tofpid = ak.Array([[0, 2, 4, 5], [1, 2, 4]])
>>> tofpid = ak.to_pandas(tofpid)

这两个数据帧都是在Outlot中本机生成的，但这将复制与Outlot相同的数据帧（使用笨拙的库）

Answer 1

IIUC：

输入数据：

>>> p_z
                     p_z
entry subentry
0     0         0.338738
      1         0.636035
      2        -0.307365
      3        -0.167779
      4         0.243284

>>> tofpid
                tofpid
entry subentry
0     0              0
      1              2
      2              4
      3              5
      4              7

从第二个数据帧的列（条目，toffid）创建新的多索引：

mi = pd.MultiIndex.from_frame(tofpid.reset_index(level='subentry', drop=True)
                                    .reset_index())

输出结果：

>>> p_z.loc[mi.intersection(p_z.index)]
              p_z
entry
0     0  0.338738
      2 -0.307365
      4  0.243284

Answer 2

下面是一个可复制的示例，其结构足以表示问题（使用awkward库）：

>>> import awkward as ak
>>> 
>>> p_z = ak.Array([
...     [ 0.338738, 0.636035, -0.307365, -0.167779, 0.243284,  0.338738, 0.636035],
...     [-0.459227, 0.055993, -0.469857,  0.192554, 0.155738, -0.459227],
... ])
>>> p_z
<Array [[0.339, 0.636, ... 0.156, -0.459]] type='2 * var * float64'>
>>> 
>>> tofpid = ak.Array([[0, 2, 4, 5], [1, 2, 4]])
>>> tofpid
<Array [[0, 2, 4, 5], [1, 2, 4]] type='2 * var * int64'>

以熊猫的形式，这是：

>>> df_p_z = ak.to_pandas(p_z)
>>> df_p_z
                  values
entry subentry          
0     0         0.338738
      1         0.636035
      2        -0.307365
      3        -0.167779
      4         0.243284
      5         0.338738
      6         0.636035
1     0        -0.459227
      1         0.055993
      2        -0.469857
      3         0.192554
      4         0.155738
      5        -0.459227
>>> df_tofpid = ak.to_pandas(tofpid)
>>> df_tofpid
                values
entry subentry        
0     0              0
      1              2
      2              4
      3              5
1     0              1
      1              2
      2              4

作为一个笨拙的数组，您要做的是slice the first array by the second。也就是说，您需要p_z[tofpid]：

>>> p_z[tofpid]
<Array [[0.339, -0.307, ... -0.47, 0.156]] type='2 * var * float64'>
>>> p_z[tofpid].tolist()
[[0.338738, -0.307365, 0.243284, 0.338738], [0.055993, -0.469857, 0.155738]]

使用熊猫，我成功地做到了这一点：

>>> df_p_z.loc[df_tofpid.reset_index(level=0).apply(lambda x: tuple(x.values), axis=1).tolist()]
                  values
entry subentry          
0     0         0.338738
      2        -0.307365
      4         0.243284
      5         0.338738
1     1         0.055993
      2        -0.469857
      4         0.155738

这里发生的事情是df_tofpid.reset_index(level=0)将多索引的"entry"部分转换为一列，然后apply对每一行执行一个Python函数，如果axis=1，每一行都是x.values，并且tolist()将结果转换为一个元组列表，如

>>> df_tofpid.reset_index(level=0).apply(lambda x: tuple(x.values), axis=1).tolist()
[(0, 0), (0, 2), (0, 4), (0, 5), (1, 1), (1, 2), (1, 4)]

这就是loc需要从其多索引中选择条目/子条目对的内容

我的Pandas解决方案有两个缺点：它很复杂，需要经过Python迭代和对象，不能像数组那样扩展熊猫专家很有可能找到比我更好的解决方案<我对熊猫有很多不了解