我是 pandas 的新手,目前正尝试在以下模式中对 Excel 数据进行一些分析:
我的目标是具有索引标签XYZ、CDE、EFG、的可视化X 轴上的 HU 和 Yes、ProbYes、X 的相应 Perc 值, ProbNo, No 堆叠在 y 轴上。
目前我正在通过代码将 Excel 数据解析为 Pandas DataFrame:
import pandas as pd
path = 'x1.xlsx'
x = pd.ExcelFile(path)
sheets = x.sheet_names
table = x.parse(sheets[0], header=2) # take line 2 as column-names
table 生成的MultiIndex 似乎没问题:
>>> table.index
MultiIndex(levels=[[u'Individual', u'Summary'], [u'ABC', u'CDE', u'EFG', u'HIJ'], [u'Abs', u'Perc']], labels=[[0, -1, -1, -1, -1, -1, -1, -1, 1, -1], [0, -1, 1, -1, 2, -1, 3, -1, -1, -1], [0, 1, 0, 1, 0, 1, 0, 1, 0, 1]])
但是,访问特定行是不可能的:
>>> table.ix[('Individual', 'CDE')]
KeyError: 'Key length (2) was greater than MultiIndex lexsort depth (0)'
...也不可能访问或过滤/删除包含行索引的列
>>> table.index.names
FrozenList([None, None, None])
即索引没有名称,所以我想我无法访问它们?
我试图通过替代解析来简化数据结构:
>>> table2 = x.parse(sheets[0], header=2, skiprows=2, parse_cols='B,:I')
然而,这并没有真正帮助。
编辑:
它确实有助于排序:
>>> table.sort(inplace=True)
>>> table[:4]
产量:
对于那个表我无法进行分析...
请您参考如下方法:
做完之后想
table.sort(inplace=True)
您可以访问
table.ix[('Individual', 'CDE')]
编辑:
我知道为什么 -- 您的 excel 文件合并了 A4:A11 等单元格。当你将它加载到 pandas DataFrame 中时,索引 Individual 仅在 A4 中,而 A5:A11 中的索引都是 nan
我能想到的一种解决方法是:
table =table.reset_index().fillna(method='ffill').set_index(['level_0','level_1','level_2'])
#reset_index() automatically gives column names level_?
然后你就可以开始了:
table.ix[('Individual','CDE')]
