Как иметь два разных способа индексации одной и той же оси в pandas DataFrame

Я хотел бы иметь возможность иметь два индекса столбца для одной и той же оси одновременно для кадра данных pandas. Объекты в индексах будут разных типов, одно перечисление и одна строка, так что оба типа можно будет использовать для индексирования без двусмысленности. Другими словами, это будет похоже на MultiIndex без иерархии. Цель состоит в том, чтобы каждый столбец имел имя и тип индексируемого столбца.

Я хочу иметь возможность выполнять обе следующие операции с индексами в одном и том же DataFrame:

df['NAME']
df[MyType.FirstName]      # MyType is an Enum

Я не нашел никаких очевидных способов сделать это. Одним из способов может быть использование одного единственного индекса, который использует объекты «комбинированного» класса, который по-разному переопределяет операторы сравнения в зависимости от заданных типов. Это путь или есть лучший способ?

class Combination:
    def __init__(self, value1, value2):
        self.value1 = value1
        self.value2 = value2

    def __eq__(self, other):
        if isinstance(other, str):
            return self.value1 == other
        else:
            return self.value2 == other

    # etc if other operators are needed
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения постов в Twitter с помощью Python, Tweepy и Flair
Анализ настроения текстовых сообщений может быть настолько сложным или простым, насколько вы его сделаете. Как и в любом ML-проекте, вы можете выбрать...
7 лайфхаков для начинающих Python-программистов
7 лайфхаков для начинающих Python-программистов
В этой статье мы расскажем о хитростях и советах по Python, которые должны быть известны разработчику Python.
Установка Apache Cassandra на Mac OS
Установка Apache Cassandra на Mac OS
Это краткое руководство по установке Apache Cassandra.
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
Сертификатная программа "Кванты Python": Бэктестер ансамблевых методов на основе ООП
В одном из недавних постов я рассказал о том, как я использую навыки количественных исследований, которые я совершенствую в рамках программы TPQ...
Создание персонального файлового хранилища
Создание персонального файлового хранилища
Вы когда-нибудь хотели поделиться с кем-то файлом, но он содержал конфиденциальную информацию? Многие думают, что электронная почта безопасна, но это...
Создание приборной панели для анализа данных на GCP - часть I
Создание приборной панели для анализа данных на GCP - часть I
Недавно я столкнулся с интересной бизнес-задачей - визуализацией сбоев в цепочке поставок лекарств, которую могут просматривать врачи и...
0
0
38
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

AFAIK pandas не предусматривает этого. Простой способ - использовать словарь перевода:

trans = {MyType.FirstName: 'NAME', ...}

df[trans[MyType.FirstName]]   # same as df['NAME']

Таким образом, вам нужно будет соединить каждый DataFrame со своим словарем перевода. Было бы лучше, если бы его можно было встроить в каждый объект DataFrame.

Rikard N 22.05.2019 13:51

Как я уже сказал, в пандах это не предусмотрено. Вам придется жить с этим.

Serge Ballesta 22.05.2019 13:55

Другие вопросы по теме