如何将带有MultiIndex的Pandas DataFrame写入/读取ASCII文件？

Question

我希望能够创建一个行和列索引都为MultiIndexes的Pandas DataFrame，并从ASCII文本文件中读取它。我的数据如下：

col_indx = MultiIndex.from_tuples([('A',  'B',  'C'), ('A',  'B',  'C2'), ('A',  'B',  'C3'), 
                                   ('A',  'B2', 'C'), ('A',  'B2', 'C2'), ('A',  'B2', 'C3'), 
                                   ('A',  'B3', 'C'), ('A',  'B3', 'C2'), ('A',  'B3', 'C3'), 
                                   ('A2', 'B',  'C'), ('A2', 'B',  'C2'), ('A2', 'B',  'C3'), 
                                   ('A2', 'B2', 'C'), ('A2', 'B2', 'C2'), ('A2', 'B2', 'C3'), 
                                   ('A2', 'B3', 'C'), ('A2', 'B3', 'C2'), ('A2', 'B3', 'C3')], 
                                   names=['one','two','three']) 
row_indx = MultiIndex.from_tuples([(0,  'North', 'M'), 
                                   (1,  'East',  'F'), 
                                   (2,  'West',  'M'), 
                                   (3,  'South', 'M'), 
                                   (4,  'South', 'F'), 
                                   (5,  'West',  'F'), 
                                   (6,  'North', 'M'), 
                                   (7,  'North', 'M'), 
                                   (8,  'East',  'F'), 
                                   (9,  'South', 'M')], 
                                   names=['n', 'location', 'sex'])
size=len(row_indx), len(col_indx)
data = np.random.randint(0,10, size)
df = DataFrame(data, index=row_indx, columns=col_indx)
print df

我尝试了df.to_csv()和read_csv()，但它们不能保留索引。

我想也许可以创建一种新的格式，使用额外的分隔符。例如，使用一行----------------来标记列索引的结尾，并使用|来标记行索引的结尾。因此，它看起来像这样：

one            | A   A   A   A   A   A   A   A   A  A2  A2  A2  A2  A2  A2  A2  A2  A2
two            | B   B   B  B2  B2  B2  B3  B3  B3   B   B   B  B2  B2  B2  B3  B3  B3
three          | C  C2  C3   C  C2  C3   C  C2  C3   C  C2  C3   C  C2  C3   C  C2  C3
--------------------------------------------------------------------------------------
n location sex :                                                                      
0 North    M   | 2   3   9   1   0   6   5   9   5   9   4   4   0   9   6   2   6   1
1 East     F   | 6   2   9   2   7   0   0   3   7   4   8   1   3   2   1   7   7   5
2 West     M   | 5   8   9   7   6   0   3   0   2   5   0   3   9   6   7   3   4   9
3 South    M   | 6   2   3   6   4   0   4   0   1   9   3   6   2   1   0   6   9   3
4 South    F   | 9   6   0   0   6   1   7   0   8   1   7   6   2   0   8   1   5   3
5 West     F   | 7   9   7   8   2   0   4   3   8   9   0   3   4   9   2   5   1   7
6 North    M   | 3   3   5   7   9   4   2   6   3   2   7   5   5   5   6   4   2   9
7 North    M   | 7   4   8   6   8   4   5   7   9   0   2   9   1   9   7   9   5   6
8 East     F   | 1   6   5   3   6   4   6   9   6   9   2   4   2   9   8   4   2   4
9 South    M   | 9   6   6   1   3   1   3   5   7   4   8   6   7   7   8   9   2   3

Pandas有没有一种方法可以将带有MultiIndexes的DataFrames写入/从ASCII文件中读取？

- dailyglen

---

是的，只需将multi_sparse设置为False！ :) - Andy Hayden

Answer 1

不确定您使用的 pandas 版本，但是在 0.7.3 版本中，您可以通过以下方式将 DataFrame 导出为 TSV 文件并保留索引：

df.to_csv('mydf.tsv', sep='\t')

你需要导出TSV而不是CSV的原因是列标题中包含“，”字符。这应该解决你问题的第一部分。

第二个部分要复杂一些，因为据我所知，你需要预先知道你想让DataFrame包含什么内容。特别是，你需要知道：

1. TSV的哪些列表示行MultiIndex 2. 其余的列也应该转换为MultiIndex

为了说明这一点，让我们将以上保存的TSV文件读取到一个新的DataFrame中：

In [1]: t_df = read_table('mydf.tsv', index_col=[0,1,2])
In [2]: all(t_df.index == df.index)
Out[2]: True

我们成功地将mydf.tsv读入一个DataFrame中，该DataFrame具有与原始df相同的行索引。但是:

In [3]: all(t_df.columns == df.columns)
Out[3]: False

原因在于pandas（据我所知）没有正确将标题行解析为MultiIndex。如上所述，如果您事先知道TSV文件的标题表示MultiIndex，则可以执行以下操作来进行修复：

In [4]: from ast import literal_eval
In [5]: t_df.columns = MultiIndex.from_tuples(t_df.columns.map(literal_eval).tolist(), 
                                              names=['one','two','three'])
In [6]: all(t_df.columns == df.columns)
Out[6]: True

- diliop

---

我喜欢你想出来的东西。不过，由于我事先不知道索引使用了多少列，我仍然会创建自己的格式。谢谢。 - dailyglen

Answer 2

您可以使用set_option更改打印选项：

display.multi_sparse:
: boolean
   默认值为True，"稀疏化"MultiIndex显示
   （不在组内显示外层级别中的重复元素）

现在DataFrame将按所需方式打印：

In [11]: pd.set_option('multi_sparse', False)

In [12]: df
Out[12]: 
one             A   A   A   A   A   A   A   A   A  A2  A2  A2  A2  A2  A2  A2  A2  A2
two             B   B   B  B2  B2  B2  B3  B3  B3   B   B   B  B2  B2  B2  B3  B3  B3
three           C  C2  C3   C  C2  C3   C  C2  C3   C  C2  C3   C  C2  C3   C  C2  C3
n location sex                                                                       
0 North    M    2   1   6   4   6   4   7   1   1   0   4   3   9   2   0   0   6   4
1 East     F    3   5   5   6   4   8   0   3   2   3   9   8   1   6   7   4   7   2
2 West     M    7   9   3   5   0   1   2   8   1   6   0   7   9   9   3   2   2   4
3 South    M    1   0   0   3   5   7   7   0   9   3   0   3   3   6   8   3   6   1
4 South    F    8   0   0   7   3   8   0   8   0   5   5   6   0   0   0   1   8   7
5 West     F    6   5   9   4   7   2   5   6   1   2   9   4   7   5   5   4   3   6
6 North    M    3   3   0   1   1   3   6   3   8   6   4   1   0   5   5   5   4   9
7 North    M    0   4   9   8   5   7   7   0   5   8   4   1   5   7   6   3   6   8
8 East     F    5   6   2   7   0   6   2   7   1   2   0   5   6   1   4   8   0   3
9 South    M    1   2   0   6   9   7   5   3   3   8   7   6   0   5   4   3   5   9

注意：在旧版本的pandas中，这是 pd.set_printoptions(multi_sparse=False)。

- Andy Hayden