pd.IndexSlice[]应用疑问

最新推荐文章于 2022-07-29 16:12:52 发布
最新推荐文章于 2022-07-29 16:12:52 发布
阅读量1k 收藏 1
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38344540/article/details/106238882
版权

数据格式是这样的：
图1图2
当我用如下代码进行数据调用时

a.loc[pd.IndexSlice[2,2007],'equity_book'] //引用图1数据的代码
b.loc[pd.IndexSlice[2,2013,2013],'eps_mean'] //引用图2数据的代码

图1返回：
在这里插入图片描述
图2返回一个带有索引的series：
在这里插入图片描述
然后同一个文件，过一会重新输入第二段代码就又变成一个数值
在这里插入图片描述
小白表示，很诡异，同一段代码之前写的时候这种Multiindex调用可以直接得到对应列名下面的数值，结果刚才跑就得到了一个带索引的数值，然后过一会又好了。所以请问这个命令是我使用有误吗，才导致程序的结果不一致？

今天你看论文了吗
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Python多重索引：IndexSlice的用法
weixin_47911946的博客
06-17 4764
笔者最近学习< Machine Learning for Algorithmic Trading >的时候遇到了如下代码，不太了解其中意思，经过学习领悟些许，写此篇以作记录，鉴于本人水平有限，不足之处欢迎批评指正： idx = pd.IndexSlice df = df.loc[idx[:, start: end], :] # start and end don't mean anything special 经了解，IndexSlice适用于多重索引情况下的切片操作，接下来举例说明，例子参
caffe中的Slice层,对hdf5读取的多标签数据进行切片，对于分割数据，图片数据量进行分割
m0_37192554的博客
01-29 559
原 caffe中的Slice层 2017年11月05日 14:21:17 BigCowPeking 阅读数：3132 &lt;/div&gt; &lt;div class="operating"&gt; ...
索引覆盖与回表
AF_0228的博客
09-09 5470
懂的越多，不懂的越多 上回书说到：什么情况下，索引下推没办法提高sql查询效率？ 表 info 主键 id 名称 name 值 value 别名 realname 对于info表，我们现在有（name,value）联合索引
pd.Series()函数解析（最清晰的解释）
热门推荐
种树最好的时间是10年前，其次是现在！！！
07-02 5万+
Pandas模块的数据结构主要有两：1、Series ；2、DataFrame series是一个一维数组，是基于NumPy的ndarray结构。Pandas会默然用0到n-1来作为series的index，但也可以自己指定index(可以把index理解为dict里面的key)。 ...
Python高级特性——详解多维数组切片(Slice)
09-18
今天小编就为大家分享一篇Python高级特性——详解多维数组切片(Slice)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python中时间转换datetime和pd.to_datetime详析
09-18
在这里，我们对一个包含日期字符串的Series应用`pd.to_datetime`，结果是一个包含`Timestamp` 对象的新Series。 除了基本的转换功能，`pd.to_datetime` 还有一些额外的选项，如自动推断日期格式、处理缺失值等，...
基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解
09-16
这意味着在处理`DataFrame`时，`pd.rolling`可以方便地应用于多列数据，而`talib`可能需要逐列处理。 总结起来，`talib`和`pd.rolling`在计算滚动方差和标准差时的主要差异在于分母的选择（即是否考虑偏差）和数据...
ckpt2pd.py
08-16
加载textcnn的ckpt模型，并将它转化为pd文件用于tensorflow_serving
python 遍历pd.Series的index和value
01-21
遍历pd.Series的index和value的方法如下，python built-in list的enumerate方法不管用 for i, v in s.items(): print('index: ', i, 'value: ', v) #index: a value: 1 #index: b value: 2 #index: c value: 3 #...
详解pandas库pd.read_excel操作读取excel文件参数整理与实例
01-01
首先是pd.read_excel的参数：函数为： pd.read_excel(io, sheetname=0,header=0,skiprows=None,index_col=None,names=None, arse_cols=None,date_parser=None,na_values=None,thousands=None, convert_float=True...
一起学Pandas系列基础篇---索引选择器IndexSlice
懿洺君的博客
04-07 1347
一起学Pandas系列基础篇---索引选择器IndexSlice
Pandas分类总结之：索引
seven的博客
09-01 1541
文章目录1. 索引器1.1 表的列索引1.2 序列的行索引1.3 loc索引器1.4 iloc索引器1.5 query方法1.6 随机抽样2. 多级索引2.1 多级索引和表的结构2.2 多级索引中的loc索引器2.3 IndexSlice对象2.4 多级索引的构造3. 索引的常用方法3.1 索引层的交换和删除3.2 索引属性的修改3.3 索引的设置与重置3.4 索引的变形4.索引运算4.1 一般的索引运算 1. 索引器 1.1 表的列索引 df[列名] ，返回值为Series，当列名不包含空格，可用 df.
pandas层次化索引
Alicia_N的博客
06-25 1919
import numpy as np import pandas as pd from pandas import Series,DateFrame dd=DataFrame(np.random.rand(4,2),columns=['data1','data2'],index=[['a','a','b','b'],['1','2','1','2']]) dd from_tuples
python-----DataFrame.style （三、切片）
jwyhappy的博客
12-04 4825
如同Excel，在python中也可以使用条件格式（conditional formatting），使用DataFrame.style属性是格式化与展示的好方法，这个属性返回一个Styler 对象。 本文主要说说在使用相应的style函数时候如何使用切片，在官方文档中是这样描述的： Both Styler.apply, and Styler.applymap accept a subset k...
Pandas数据处理
u014351944的博客
07-23 807
Pandas对象介绍
python数据分析基础知识
Cherzhoucheer的博客
12-12 1975
常用数据结构 List,tuple,dir,series,dataframe 区别：list可修改，tuple不可修改 操作：pop弹出最后一个元素；alist.append([5,6,7])在最后直接加上；alist.extend([5,6,7])  把元素打开后添加到list里面去。   I/O数据的导入导出 do=pd.read_csv("country_facts
10分钟学会用Pandas做多层级索引
Python大本营的博客
07-17 7559
作者 |梁云1991来源 | Python与算法之美（ID：Python_Ai_Road）【导语】Pandas库的名字来源于其中3种主要数据结构开头字母的缩写：Pane...
Pandas-快速上手
小旺的博客
11-18 908
Pandas-快速上手 Series对象 Series是具有索引的一维矢量 import pandas as pd a=pd.Series(['a','b','c','d','e'],index=[1,2,3,4,5]) print(a) print(a.index) print(a.values) index是索引对象，用于保存标签信息 不设置index，Pandas会自动创建表示位置下标的索引 values是保存元素值的数组 不设置index的情况 import pandas as pd a=pd.
Pandas数据分析03——pandas索引设置和操作（用法全面解析）
weixin_46277779的博客
07-29 1万+
pandas索引对象的用法及操作
import pandas as pd # 创建示例 DataFrame df = pd.DataFrame({ 'A': [1, 2, 3, 4], 'B': [1, 2, 5, 4], }) # 标记不一致的单元格为橙色 def highlight_diff(x): if x['A'] != x['B']: return 'background-color: orange' else: return '' df.style.applymap(highlight_diff, subset=pd.IndexSlice[:, ['A', 'B']]) 'int' object is not subscriptable
最新发布
06-09
f.write(df.style.applymap(highlight_diff, subset=pd.IndexSlice[:, ['A', 'B']]).render()) # 在 Jupyter Notebook 中显示 df.style.applymap(highlight_diff, subset=pd.IndexSlice[:, ['A', 'B']]).render() ...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值