如何对具有多索引的系列使用 pandas .at 函数

Question

我正在使用 iterrows 遍历具有多索引的大型数据框。结果是具有多索引的系列。经过一些分析，结果发现大部分时间都花在了获取系列的单元格值上，所以我想使用 Series.at 函数，因为它更快。 不幸的是，我在 pandas 文档中没有找到关于 multiindex 的任何内容。

这是一个简单的代码：

import numpy as np
import pandas as pd

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'], ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])

s = pd.Series(np.random.randn(8), index=index)

>>>>s
first  second
bar    one      -0.761968
       two       0.670786
baz    one      -0.193843
       two      -0.251533
foo    one       1.732875
       two       0.538561
qux    one      -1.111480
       two       0.478322
dtype: float64

我尝试过 s.at[("bar","one")] ， s.at["bar","one"]，但这些都不起作用。

>>>>s.at[("bar","one")]
Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "C:\Python\lib\site-packages\pandas\core\indexing.py", line 2270, in __getitem__
    return self.obj._get_value(*key, takeable=self._takeable)
TypeError: _get_value() got multiple values for argument 'takeable'
>>>>s.at["bar","one"]
Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "C:\Python\lib\site-packages\pandas\core\indexing.py", line 2270, in __getitem__
    return self.obj._get_value(*key, takeable=self._takeable)
TypeError: _get_value() got multiple values for argument 'takeable'

有人知道在这种情况下如何使用 .at 吗？

Answer 1

使用Series.loc:

print (s.loc[("bar","one")])
1.265936258705534

编辑：

好像是bug。

如果使用 DataFrame 它工作得很好：

np.random.seed(1234)
arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'], ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])

---

s = pd.Series(np.random.randn(8), index=index)
print (s)
first  second
bar    one       0.471435
       two      -1.190976
baz    one       1.432707
       two      -0.312652
foo    one      -0.720589
       two       0.887163
qux    one       0.859588
       two      -0.636524
dtype: float64

df = s.to_frame('col')
print (df)
                   col
first second          
bar   one     0.471435
      two    -1.190976
baz   one     1.432707
      two    -0.312652
foo   one    -0.720589
      two     0.887163
qux   one     0.859588
      two    -0.636524

print (df.at[("bar","one"), 'col'])
0.47143516373249306