数値マルチインデックスを生成するためのPandas DataFrameグループ化

Question

集計を実行せずに、操作によるグループをPandas DataFrameに適用したいと考えています。代わりに、階層構造をMultiIndexに反映させたいだけです。

import pandas as pd 

def multi_index_group_by(df, columns): 
    # TODO: How to write this? (Hard-coded to give the desired result for the example.) 
    if columns == ["b"]: 
     df.index = pd.MultiIndex(levels=[[0,1],[0,1,2]], labels=[[0,1,0,1,0],[0,0,1,1,2]]) 
     return df 
    if columns == ["c"]: 
     df.index = pd.MultiIndex(levels=[[0,1],[0,1],[0,1]], labels=[[0,1,0,1,0],[0,0,0,1,1],[0,0,1,0,0]]) 
     return df 

if __name__ == '__main__': 
    df = pd.DataFrame({ 
     "a": [0,1,2,3,4], 
     "b": ["b0","b1","b0","b1","b0"], 
     "c": ["c0","c0","c0","c1","c1"], 
    }) 
    print(df.index.values) # [0,1,2,3,4] 


    # Add level of grouping 
    df = multi_index_group_by(df, ["b"]) 
    print(df.index.values) # [(0, 0) (1, 0) (0, 1) (1, 1) (0, 2)] 

    # Examples 
    print(df.loc[0]) # Group 0 
    print(df.loc[1,1]) # Group 1, Item 1 


    # Add level of grouping 
    df = multi_index_group_by(df, ["c"]) 
    print(df.index.values) # [(0, 0, 0) (1, 0, 0) (0, 0, 1) (1, 1, 0) (0, 1, 0)] 

    # Examples 
    print(df.loc[0]) # Group 0 
    print(df.loc[0,0]) # Group 0, Sub-Group 0 
    print(df.loc[0,0,1]) # Group 0, Sub-Group 0, Item 1 

multi_index_group_byを実装する最良の方法は何ですか？以下はほとんど動作しますが、結果のインデックスが数値ではありません。

index_columns = [] 
# Add level of grouping 
index_columns += ["b"] 
print(df.set_index(index_columns, drop=False)) 
# Add level of grouping 
index_columns += ["c"] 
print(df.set_index(index_columns, drop=False)) 

は編集：

[ 
    [ #b0 
     [ #c0 
      {"a": 0, "b": "b0", "c": "c0"}, 
      {"a": 2, "b": "b0", "c": "c0"}, 
     ], 
     [ #c1 
      {"a": 4, "b": "b0", "c": "c1"}, 
     ] 
    ], 
    [ #b1 
     [ #c0 
      {"a": 1, "b": "b1", "c": "c0"}, 
     ], 
     [ #c1 
      {"a": 3, "b": "b1", "c": "c1"}, 
     ] 
    ] 
] 

編集：は明確にするため、例では、最後のインデックスはと同等でなければなりません。最後leveのを除いて、

def autoincrement(value=0): 
    def _autoincrement(*args, **kwargs): 
     nonlocal value 
     result = value 
     value += 1 
     return result 
    return _autoincrement 

def swap_levels(df, i, j): 
    order = list(range(len(df.index.levels))) 
    order[i], order[j] = order[j], order[i] 
    return df.reorder_levels(order) 

def multi_index_group_by(df, columns): 
    new_index = df.groupby(columns)[columns[0]].aggregate(autoincrement()) 

    result = df.join(new_index.rename("_new_index"), on=columns) 
    result.set_index('_new_index', append=True, drop=True, inplace=True) 
    result.index.name = None 
    result = swap_levels(result, -2, -1) 
    return result 

それは正しい結果を与える：ここで私はこれまで持って最善の方法ですlは変わらない。改善の余地がかなりあるような気がします。

Answer 1

あなたがLabelEncoderを使用することができsklearnパッケージを使用して喜んでいる場合：

from sklearn.preprocessing import LabelEncoder 
le = LabelEncoder() 

def multi_index_group_by(df, columns): 
    df.index = pd.MultiIndex.from_tuples(zip(*[ le.fit_transform(df[col]) for col in columns ])) 
    return df 

これは、0の間の値で各列のラベルを符号化しますそしてn_classes-1

は

を呼び出します

は、あなたのハードコーディングマルチインデックスの意味は何ですか

 a b c 
0 0 0 b0 c0 
1 0 1 b1 c0 
0 0 2 b0 c0 
1 1 3 b1 c1 
0 1 4 b0 c1 

Answer 2

このコードは何をしたいん：

index_columns = [] 
replace_values = {} 

index_columns += ["b"] 
replace_values.update({'b0':0, 'b1':1}) 

df[['idx_{}'.format(i) for i in index_columns]] = df[index_columns].replace(replace_values) 
print(df.set_index(['idx_{}'.format(i) for i in index_columns], drop=True)) 

index_columns += ["c"] 
replace_values.update({'c0':0, 'c1':1}) 

df[['idx_{}'.format(i) for i in index_columns]] = df[index_columns].replace(replace_values) 
print(df.set_index(['idx_{}'.format(i) for i in index_columns], drop=True)) 

# If you want the 3rd ('c') level MultiIndex: 
df['d'] = [0,0,1,0,0] 
print(df.set_index(['idx_{}'.format(i) for i in index_columns] + ['d'], drop=True))