如何使用 pandas query() 在查询表达式中正确引用多索引列标题？答案

【问题标题】：How to use pandas query() to correctly reference multiindex column headers in the query expression?如何使用 pandas query() 在查询表达式中正确引用多索引列标题？
【发布时间】：2014-12-16 15:59:23
【问题描述】：

使用简单（单级）列索引，可以使用 .query() 访问 pandas DataFrame 中的列，如下所示：

df1 = pd.DataFrame(np.random.rand(10,2),index=range(10),columns=['A','B'])
df1.query('A > 0.5')

我正在努力在具有列多索引的 DataFrame 中实现类似：

df2 = pd.DataFrame(np.random.rand(10,2),index=range(10),columns=[['A','B'],['C','D']])
df2.query('(A,C) > 0.5') # fails
df2.query('"(A,C)" > 0.5') # fails
df2.query('("A","C") > 0.5') # fails

这可行吗？谢谢...

（至于动机：query() 似乎允许对行多索引 - 列单索引数据帧进行非常简洁的选择，例如：

df3 = pd.DataFrame(np.random.rand(6,2),index=[[0]*3+[1]*3,range(2,8)],columns=['A','B'])
df3.index.names=['one','two']
df3.query('one==0 & two<4 & A>0.5')

我想对两个轴上的多索引 DF 做类似的事情...）

【问题讨论】：

MultiIndexing 可能比它的价值更麻烦。当您需要它时，它会非常方便，但您通常不需要它。如果你想使用查询，我倾向于建议你重构你的 DataFrame。
我想这是一个常见的问题，我很惊讶这个问题没有被发现。 #积压

标签： python pandas

【解决方案1】：

在 github 上有一个 open issue 用于此目的，但与此同时，一种建议的解决方法是通过 @ 表示法通过 DataFrame 变量引用该列：

df2.query("@df2.A.C > 0.5")

这不是一个完美的解决方法。如果您的标题名称/级别包含空格，您需要先删除/重命名它们。

【讨论】：