栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 面试经验 > 面试问答

熊猫-使用to_csv编写Multiindex行

面试问答 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

熊猫-使用to_csv编写Multiindex行

我认为这可以做到

In [3]: df = Dataframe(dict(A = 'foo', B = 'bar', value = 1),index=range(5)).set_index(['A','B'])In [4]: dfOut[4]:          valueA   B         foo bar      1    bar      1    bar      1    bar      1    bar      1In [5]: df.to_csv('test.csv')In [6]: !cat test.csvA,B,valuefoo,bar,1foo,bar,1foo,bar,1foo,bar,1foo,bar,1In [7]: pd.read_csv('test.csv',index_col=[0,1])Out[7]:          valueA   B         foo bar      1    bar      1    bar      1    bar      1    bar      1

使用索引重复来编写(虽然有点骇人听闻)

In [27]: x = df.reset_index()In [28]: mask = df.index.to_series().duplicated()In [29]: maskOut[29]: A    B  foo  bar    False     bar     True     bar     True     bar     True     bar     Truedtype: boolIn [30]: x.loc[mask.values,['A','B']] = ''In [31]: xOut[31]:      A    B  value0  foo  bar      11                12                13                14                1In [32]: x.to_csv('test.csv')In [33]: !cat test.csv,A,B,value0,foo,bar,11,,,12,,,13,,,14,,,1

回读实际上有点棘手

In [37]: pd.read_csv('test.csv',index_col=0).ffill().set_index(['A','B'])Out[37]:          valueA   B         foo bar      1    bar      1    bar      1    bar      1    bar      1


转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/638249.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号