小编Lei*_*Lei的帖子

子类化pandas类似乎是一个常见的需求,但我找不到关于这个主题的参考.(似乎熊猫开发者仍在努力:https://github.com/pydata/pandas/issues/60).

关于这个主题有一些SO主题,但我希望这里有人可以提供一个更系统的帐户,目前最好的方法是将pandas.DataFrame子类化,满足两个,我认为,一般要求:

import numpy as np
import pandas as pd

class MyDF(pd.DataFrame):
    # how to subclass pandas DataFrame?
    pass

mydf = MyDF(np.random.randn(3,4), columns=['A','B','C','D'])
print type(mydf)  # <class '__main__.MyDF'>

# Requirement 1: Instances of MyDF, when calling standard methods of DataFrame,
# should produce instances of MyDF.
mydf_sub = mydf[['A','C']]
print type(mydf_sub)  # <class 'pandas.core.frame.DataFrame'>

# Requirement 2: Attributes attached to instances of MyDF, when calling standard 
# methods of DataFrame, should still attach to the output. …

我正在 pandas 中使用多重索引数据框，想知道是否应该对行或列进行多重索引。

我的数据看起来像这样：

代码：

import numpy as np
import pandas as pd
arrays = pd.tools.util.cartesian_product([['condition1', 'condition2'], 
                                          ['patient1', 'patient2'],
                                          ['measure1', 'measure2', 'measure3']])
colidxs = pd.MultiIndex.from_arrays(arrays, 
                                    names=['condition', 'patient', 'measure'])
rowidxs = pd.Index([0,1,2,3], name='time')
data = pd.DataFrame(np.random.randn(len(rowidxs), len(colidxs)), 
                    index=rowidxs, columns=colidxs)

在这里，我选择对列进行多重索引，理由是 pandas 数据帧由系列组成，而我的数据最终是一堆时间序列（因此这里按时间进行行索引）。

我有这个问题，因为多重索引的行和列之间似乎存在一些不对称。例如，在本文档网页中，它显示了query行多索引数据帧的工作原理，但如果数据帧是列多索引的，则文档中的命令必须替换为类似df.T.query('color == "red"').T.

我的问题可能看起来有点愚蠢，但我想看看数据帧的多索引行与列之间在便利性上是否有任何差异（例如query上面的情况）。

谢谢。