大佬教程收集整理的这篇文章主要介绍了在 Pandas 1.3 中升级多索引数据帧，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。
我正在尝试增加 DataFrame 的时间分辨率（放大）。我找到了几个解决方案，但对 Pandas 1.3 没有任何作用。
我的 DataFrame 具有这种形状。
Population (cap)
country category date
FR Population 2018-01-01 00:00:00+00:00 67101930.0
2019-01-01 00:00:00+00:00 67248926.0
2020-01-01 00:00:00+00:00 67391582.0
DE Population 2018-01-01 00:00:00+00:00 82905782.0
2019-01-01 00:00:00+00:00 83092962.0
2020-01-01 00:00:00+00:00 83240525.0
我尝试过类似这样的不同代码：
data = data.groupby(level=["country","category"])
data = data.resample(freq)
data = data.ffill()
不幸的是，这不起作用并导致错误：@H_802_7@multiIndex has no single BACking array. Use 'MultiIndex.to_numpy()' to get a NumPy array of tuples.
或者这个：
data = data.reset_index()
data = data.set_index(["date"])
data = data.resample(freq)
data = data.ffill()
data = data.reset_index()
data = data.set_index(["country","category","date"])
抛出错误：cAnnot reindex a non-unique index with a method or limit。
如何在 Pandas 1.3 中执行此任务？
可惜目前的格式不利于pandas中的这个操作。 MultiIndex 将需要重置，索引中只留下 date。然后可以使用 groupby resample：
freq = '6M'
df = (
df.reset_index(["country","category"]) # Leave Date as the only index
.groupby(["country","category"],as_index=falsE) # Groupby
.resample(freq) # Resample at frequency
.ffill() # whatever resampling operation here
)
df：
country category Population (cap)
date
0 2018-01-31 00:00:00+00:00 DE Population 4
2018-07-31 00:00:00+00:00 DE Population 4
2019-01-31 00:00:00+00:00 DE Population 5
2019-07-31 00:00:00+00:00 DE Population 5
2020-01-31 00:00:00+00:00 DE Population 6
1 2018-01-31 00:00:00+00:00 FR Population 1
2018-07-31 00:00:00+00:00 FR Population 1
2019-01-31 00:00:00+00:00 FR Population 2
2019-07-31 00:00:00+00:00 FR Population 2
2020-01-31 00:00:00+00:00 FR Population 3
可以使用 drop_level、reset_index 和 set_index 进行一些清理以恢复初始形状：
freq = '6M'
df = (
df.reset_index(["country","category"])
.groupby(["country",as_index=falsE)
.resample(freq)
.ffill()
.droplevel(0) # Remove added numerical index
.reset_index()
.set_index(['country','category','date']) # Restore MultiIndex
)
df：
Population (cap)
country category date
DE Population 2018-01-31 00:00:00+00:00 4
2018-07-31 00:00:00+00:00 4
2019-01-31 00:00:00+00:00 5
2019-07-31 00:00:00+00:00 5
2020-01-31 00:00:00+00:00 6
FR Population 2018-01-31 00:00:00+00:00 1
2018-07-31 00:00:00+00:00 1
2019-01-31 00:00:00+00:00 2
2019-07-31 00:00:00+00:00 2
2020-01-31 00:00:00+00:00 3
使用的数据帧和导入：
df = pd.DataFrame({
'Population (cap)': {
('FR','Population',pd.timestamp('2018-01-01 00:00:00+0000',tz='UTC')): 1,('FR',pd.timestamp('2019-01-01 00:00:00+0000',tz='UTC')): 2,pd.timestamp('2020-01-01 00:00:00+0000',tz='UTC')): 3,('DE',tz='UTC')): 4,tz='UTC')): 5,tz='UTC')): 6}}
).rename_axis(['country','date'])
df：
Population (cap)
country category date
DE Population 2018-01-01 00:00:00+00:00 4
2019-01-01 00:00:00+00:00 5
2020-01-01 00:00:00+00:00 6
FR Population 2018-01-01 00:00:00+00:00 1
2019-01-01 00:00:00+00:00 2
2020-01-01 00:00:00+00:00 3
我认为你可以用 pd.Grouper 做到这一点，但它涉及到大量令人困惑的技巧来跟踪多索引的其他部分。
我认为这也可以工作，尽管由于堆栈/取消堆栈，它不一定是最有效的。重新排序和排序索引并不是绝对必要的，但我假设它们使最终结果更接近您要查找的结果。
import pandas as pd
df = pd.DataFrame({
'Population (cap)': {
('FR','date'])
(
df
.unstack(['country','category'])
.resample('3M').ffill()
.stack(['country','category'])
.reorder_levels(['country','date'])
.sort_index()
)
输入看起来像这样：
输出如下：
以上是大佬教程为你收集整理的在 Pandas 1.3 中升级多索引数据帧全部内容，希望文章能够帮你解决在 Pandas 1.3 中升级多索引数据帧所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。