pandas.Panel 弃用警告实际上推荐的是什么？

Question

我有一个使用 pandas 面板生成 MultiIndex pandas DataFrames 的包。但是，每当我使用 pandas.Panel 时，都会收到以下 DeprecationError：

弃用警告： 面板已弃用，将在未来版本中删除。 表示这些类型的 3 维数据的推荐方法是通过 Panel.to_frame() 方法在 DataFrame 上使用 MultiIndex。 或者，您可以使用 xarray 包 http://xarray.pydata.org/en/stable/。 Pandas 提供了一个.to_xarray() 方法来帮助自动完成这种转换。

但是，为了创建 MultiIndex DataFrame，我无法理解这里的第一个建议实际上是在推荐什么。如果要删除 Panel，我将如何使用 Panel.to_frame？

---

澄清一下：我不是在问什么是弃用，或者如何将我的面板转换为 DataFrame。我要问的是，如果我在库中使用 pandas.Panel 然后 pandas.Panel.to_frame 从 3D ndarrays 创建 MultiIndex DataFrames，并且 Panels 将被弃用，那么制作这些 DataFrames 的最佳选择是什么？使用 Panel API？

例如，如果我正在执行以下操作，将 X 作为形状为 (N,J,K) 的 ndarray：

p = pd.Panel(X, items=item_names, major_axis=names0, minor_axis=names1)
df = p.to_frame()

这显然不再是一个可行的面向未来的 DataFrame 构造选项，尽管它是 this question 中推荐的方法。

Answer 1

考虑以下面板：

data = np.random.randint(1, 10, (5, 3, 2))
pnl = pd.Panel(
    data, 
    items=['item {}'.format(i) for i in range(1, 6)], 
    major_axis=[2015, 2016, 2017], 
    minor_axis=['US', 'UK']
)

如果将其转换为 DataFrame，则变为：

             item 1  item 2  item 3  item 4  item 5
major minor                                        
2015  US          9       6       3       2       5
      UK          8       3       7       7       9
2016  US          7       7       8       7       5
      UK          9       1       9       9       1
2017  US          1       8       1       3       1
      UK          6       8       8       1       6

所以它将长轴和短轴作为行 MultiIndex，将项目作为列。形状变成了 (6, 5)，原来是 (5, 3, 2)。由您决定在哪里使用 MultiIndex，但如果您想要完全相同的形状，您可以执行以下操作：

data = data.reshape(5, 6).T
df = pd.DataFrame(
    data=data,
    index=pd.MultiIndex.from_product([[2015, 2016, 2017], ['US', 'UK']]),
    columns=['item {}'.format(i) for i in range(1, 6)]
)

产生相同的 DataFrame（如果要命名索引，请使用 pd.MultiIndex.from_product 的 names 参数）：

         item 1  item 2  item 3  item 4  item 5
2015 US       9       6       3       2       5
     UK       8       3       7       7       9
2016 US       7       7       8       7       5
     UK       9       1       9       9       1
2017 US       1       8       1       3       1
     UK       6       8       8       1       6

现在你使用df['item 1']（可选df['item 1'].unstack()）代替pnl['item1 1']；而不是pnl.xs(2015)，你使用df.xs(2015)，而不是pnl.xs('US', axis='minor')，你使用df.xs('US', level=1)。

如您所见，这只是将您的初始 3D numpy 数组重塑为 2D 的问题。您可以在 MultiIndex 的帮助下添加其他（人工）维度。