Início / coding / Perguntas / 79423875
Accepted
Roger V.
Asked: 2025-02-09 04:31:54 +0800 CST

Julia: equivalente à seleção do Python por nível multiíndice (especialmente colunas)

  • 772

Sou novo em Julia e Julia DataFrames. Meu entendimento é que DataFrames não suportam MultiIndexing, o que geralmente não apresenta muitos problemas, mas traduzir alguns hábitos pythonic para Julia apresenta dificuldades. Gostaria de saber como alguém poderia carregar e subselecionar recursos por colunas, como no exemplo abaixo.

import numpy as np
import pandas as pd

#generating sample data
nsmpls = 10
smpls = [f'smpl{j}' for j in range(nsmpls)]

nfeats = 5
feats = [f'feat{j}' for j in range(nfeats)]

data = np.random.rand(nfeats, nsmpls)

countries = ['France'] * 2 + ['UK'] * 3 + ['US'] * 5

df = pd.DataFrame(data, index=feats, columns=pd.MultiIndex.from_tuples(zip(countries, smpls)))
df.to_csv('./data.tsv', sep='\t')

#---------------------------------------------------------------------
#loading dataset
df = pd.read_csv('./data.tsv', sep='\t', index_col=0, header=[0,1])

#extracting subset
dg = df.xs('France', level=0, axis=1)
print(dg.shape)

#iterating
for country, group in df.groupby(level=0, axis=1):
    print('#samples: {}'.format(group.shape[1]))
python

1 respostas

  1. Best Answer

    Algo assim?

    using DataFrames, CSV

# Used your sample data
df = DataFrame(CSV.File("data.tsv"))

# Filter the columns by country name
france_cols = findall(x -> occursin("France", x), names(df))

# Subset the df
dg = select(df, france_cols)

# Optional : use "sampleX" as col names instead of the country name
rename!(dg, collect(dg[1, :]))
dg = dg[2:end, :]

display(dg)
println(size(dg))

    Por padrão, o DataFrames adiciona números a nomes de colunas semelhantes, como: França, França_1 etc., então selecionei todas as colunas que continham "França".

    • 1

relate perguntas