Правильный способ работы со списком связанных элементов данных, связанных с несколькими значениями индекса, с помощью pandas/pytables

Мне было интересно, как правильно поступить с хранением/чтением списка элементов, таких как следующий пример, связанный с рок-звездой, где известно, что список содержит максимальное количество значений для hdf5:

Date_of_Birth
Bands[] - where the maximum number of bands is 10
Siblings[] - where the maximum number of siblings is 6
Date_of_Death

Все это будут имена столбцов.

Один из способов, который я рассматривал, но который дал ошибку (ValueError: cannot reindex from a duplicate axis), заключался в том, чтобы иметь повторяющиеся имена столбцов. В противном случае я мог бы иметь Bands 1, Bands 2 и т. д., но это сделало бы поиск и запросы утомительными. Есть ли способ лучше? Любая помощь будет очень высоко ценится!


python pandas hdf5 pytables hdfstore
person Cenoc    schedule 09.08.2014    source источник
comment
При использовании пронумерованных имен вы можете сделать что-то вроде df.filter(like='Bands'), чтобы выбрать все строки «Полосы».   -  person joris    schedule 10.08.2014
comment
Интересно... есть ли способ сделать запрос по всем отфильтрованным? Я знаю только способ запроса поэлементно.   -  person Cenoc    schedule 10.08.2014

Ответы (1)


arrow_upward
0
arrow_downward

Для чего-то подобного, когда вы действительно хотите перечислить каждый столбец групп и братьев и сестер, я бы попытался использовать мультииндекс

скажем, у вас есть кадр данных, который вы вызываете df с этими столбцами, вызов df.columns выдает что-то вроде Int64Index([dob, band_1, band_2], dtype='int64'). Вы можете преобразовать свой индекс во что-то, что захватит все полосы одновременно, выполнив это...

отредактировано нашел способ сделать "частичный" MultiIndex

df.columns = pd.MultiIndex.from_tuples([('dob',''),('bands','band_1'),('bands','band_2')])

Также совет по построению списка кортежей. Вы можете добавить кучу списков в существующие столбцы....

 [('band',each) for each in df.columns[df.columns>1].apply(lambda x: re.search("band",x)]
 #etc
person ZJS    schedule 11.08.2014