Pandas使用常规索引将多索引数据帧与其他数据帧对齐

Question

我有一个数据帧，我们称之为df1，有一个多重索引（只是一个片段，还有更多的列和行）

                                             M1_01  M1_02  M1_03  M1_04  M1_05
Eventloc                  Exonloc                                             
chr10:52619746-52623793|- 52622648-52622741      0      0      0      0      0
chr19:58859211-58865080|+ 58864686-58864827      0      0      0      0      0
                          58864686-58864840      0      0      0      0      0
                          58864744-58864840      0      0      0      0      0
chr19:58863054-58863649|- 58863463-58863550      0      0      0      0      0

另一个数据帧，让我们用创造性的名字df2，像这样（这些是不同算法的结果，这就是为什么它们有不同的索引）。列是相同的，尽管在第一个数据框中它们没有排序。在

^{pr2}$

我有了这个数据帧，让我们再次创新，将其命名为df3，它统一了df1和{}的索引：

                                                                                                    Eventloc              Exonloc
event_id                                                                                                                         
chr3:53274267:53274364:-@chr3:53271813:53271836:-@chr3:53268999:53269190:-          chr3:53269191-53274267|-    53271812-53271836
chr2:9002720:9002852:-@chr2:9002401:9002452:-@chr2:9000743:9000894:-                  chr2:9000895-9002720|-      9002400-9002452
chr1:160192441:160192571:-@chr1:160190249:160190481:-@chr1:160188639:160188758:-  chr1:160188759-160192441|-  160190248-160190481
chr7:100473194:100473333:+@chr7:100478317:100478390:+@chr7:100478906:100479034:+  chr7:100473334-100478906|+  100478316-100478390
chr4:55124924:55124984:+@chr4:55127262:55127579:+@chr4:55129834:55130094:+          chr4:55124985-55129834|+    55127261-55127579

我需要对这些结果做一个1:1的比较，所以我试着两个都做了

df1.ix[df3.head().values]

以及

df1.ix[pd.MultiIndex.from_tuples(df3.head().values.tolist(), names=['Eventloc', 'Exonloc'])]

但他们都给了我NAs的数据帧。唯一有效的方法是：

event_id = df2.index[0]
df1.ix[df3.ix[event_id]]

但这显然是次优的，因为它没有矢量化，而且速度非常慢。我想我遗漏了多重索引的一些重要概念。在

谢谢， 奥尔加

Answer 1

如果我理解您在做什么，您需要显式地构造元组（但是它们必须是完全限定的元组，例如，每个级别都有一个值），或者更简单地，构造一个布尔索引器）

In [7]: df1 = DataFrame(0,index=MultiIndex.from_product([list('abc'),[range(2)]]),columns=['A'])

In [8]: df1
Out[8]: 
     A
a 0  0
b 1  0
c 0  0

[3 rows x 1 columns]

In [9]: df1 = DataFrame(0,index=MultiIndex.from_product([list('abc'),list(range(2))]),columns=['A'])

In [10]: df1
Out[10]: 
     A
a 0  0
  1  0
b 0  0
  1  0
c 0  0
  1  0

[6 rows x 1 columns]

In [11]: df3 = DataFrame(0,index=['a','b'],columns=['A'])

In [12]: df3
Out[12]: 
   A
a  0
b  0

[2 rows x 1 columns]

这些是第一帧中级别0的所有值

^{pr2}$

构造结果的布尔索引器

In [14]: df1.index.get_level_values(level=0).isin(df3.index)
Out[14]: array([ True,  True,  True,  True, False, False], dtype=bool)

In [15]: df1.loc[df1.index.get_level_values(level=0).isin(df3.index)]
Out[15]: 
     A
a 0  0
  1  0
b 0  0
  1  0

[4 rows x 1 columns]