替换 Pandas 中 MultiIndex df 的第二级列中的值答案

【问题标题】：Replacing values in a 2nd level column on MultiIndex df in Pandas替换 Pandas 中 MultiIndex df 的第二级列中的值
【发布时间】：2017-07-03 22:28:30
【问题描述】：

我正在研究this post，它几乎解决了我的问题。但是，就我而言，我想基于 df 的第二级工作，但尽量不明确指定我的第一级列名。

借用原始数据框：

df = pd.DataFrame({('A','a'): [-1,-1,0,10,12],
                   ('A','b'): [0,1,2,3,-1],
                   ('B','a'): [-20,-10,0,10,20],
                   ('B','b'): [-200,-100,0,100,200]})

##df
    A   B
    a   b   a   b
0   -1  0   -20 -200
1   -1  1   -10 -100
2   0   2   0   0
3   10  3   10  100
4   12  -1  20  200

我想将NA 分配给a 和b 的所有列，其中b<0。我选择它们的依据是：df.xs('b',axis=1,level=1)<b，但是我实际上无法执行替换。但是，我有不同的 1 级名称，因此不能基于 A 和 B 显式创建索引，但可能通过 df.columns.values？

期望的输出是

##df
    A   B
    a   b   a   b
0   -1  0   NA  NA
1   -1  1   NA  NA
2   0   2   0   0
3   10  3   10  100
4   NA  NA  20  200

感谢所有提示，在此先感谢您。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

您可以将DataFrame.mask 与reindex 一起用于与reindex 创建的原始DataFrame 相同的索引和列名称：

mask = df.xs('b',axis=1,level=1) < 0
print (mask)
       A      B
0  False   True
1  False   True
2  False  False
3  False  False
4   True  False

print (mask.reindex(columns = df.columns, level=0))
       A             B       
       a      b      a      b
0  False  False   True   True
1  False  False   True   True
2  False  False  False  False
3  False  False  False  False
4   True   True  False  False

df = df.mask(mask.reindex(columns = df.columns, level=0))
print (df)
      A          B       
      a    b     a      b
0  -1.0  0.0   NaN    NaN
1  -1.0  1.0   NaN    NaN
2   0.0  2.0   0.0    0.0
3  10.0  3.0  10.0  100.0
4   NaN  NaN  20.0  200.0

由 OP 编辑：我曾在 cmets 中询问如何考虑多个条件（例如 df.xs('b',axis=1,level=1) < 0 或 df.xs('b',axis=1,level=1) 是 NA）。 @Jezrael 好心表示，如果我想这样做，我应该考虑

mask=(df.xs('b',axis=1,level=1) < 0 | df.xs('b',axis=1,level=1).isnull())

【讨论】：