Добавление строки в DataFrame/Series MultiIndex

Мне было интересно, есть ли эквивалентный способ добавления строки в серию или DataFrame с помощью MultiIndex, поскольку существует один индекс, то есть с использованием .ix или .loc?

Я думал, что естественным способом будет что-то вроде

row_to_add = pd.MultiIndex.from_tuples()
df.ix[row_to_add] = my_row

но это вызывает KeyError. Я знаю, что могу использовать .append(), но мне было бы гораздо удобнее использовать .ix [] или .loc [].

вот пример:

>>> df = pd.DataFrame({'Time': [dt.datetime(2013,2,3,9,0,1), dt.datetime(2013,2,3,9,0,1)], 'hsec': [1,25], 'vals': [45,46]})
>>> df
                 Time  hsec  vals
0 2013-02-03 09:00:01     1    45
1 2013-02-03 09:00:01    25    46

[2 rows x 3 columns]
>>> df.set_index(['Time','hsec'],inplace=True)
>>> ind = pd.MultiIndex.from_tuples([(dt.datetime(2013,2,3,9,0,2),0)],names=['Time','hsec'])
>>> df.ix[ind] = 5

Traceback (most recent call last):
  File "<pyshell#201>", line 1, in <module>
    df.ix[ind] = 5
  File "C:\Program Files\Python27\lib\site-packages\pandas\core\indexing.py", line 96, in __setitem__
    indexer = self._convert_to_indexer(key, is_setter=True)
  File "C:\Program Files\Python27\lib\site-packages\pandas\core\indexing.py", line 967, in _convert_to_indexer
    raise KeyError('%s not in index' % objarr[mask])
KeyError: "[(Timestamp('2013-02-03 09:00:02', tz=None), 0L)] not in index"

Ответы

Ответ 1

Вы должны указать кортеж для работы с несколькими индексами (И вы должны полностью указать все оси, например, :)

In [26]: df.ix[(dt.datetime(2013,2,3,9,0,2),0),:] = 5

In [27]: df
Out[27]: 
                          vals
Time                hsec      
2013-02-03 09:00:01 1       45
                    25      46
2013-02-03 09:00:02 0        5

Легче переиндексировать и/или concat/добавить новый фреймворк данных. Обычно настройка (с таким расширением) имеет смысл только в том случае, если вы делаете это с небольшим количеством значений. Поскольку это делает копию, когда вы это делаете.

Ответ 2

Обновление, поскольку .ix устарело: Сегодня вы можете сделать:

# say you have dataframe x
x
Out[78]: 
              a    b       time
indA indB                     
a    i      0.0  NaN 2018-09-12
b    j      1.0  2.0 2018-10-12
c    k      2.0  3.0 2018-11-12
     f      NaN  NaN        NaT
d    i      5.0  NaN        NaT

x.loc[('a','k'),:] = (3.5,6,pd.NaT)

x
Out[80]: 
              a    b       time
indA indB                     
a    i      0.0  NaN 2018-09-12
b    j      1.0  2.0 2018-10-12
c    k      2.0  3.0 2018-11-12
     f      NaN  NaN        NaT
d    i      5.0  NaN        NaT
a    k      3.5  6.0        NaT