鉴于该系列
In [207]: series
Out[212]:
date foo
2006-01-01 1 12931926.310
3 11084049.460
5 10812205.359
7 9031510.239
9 5324054.903
2007-01-01 1 11086082.624
3 12028419.560
5 11957253.031
7 10643307.061
9 6034854.915
Name: val, dtype: float64
你可以提取date
索引与
dateindex = series.index.get_level_values('date')
# Ensure the dateindex is a DatetimeIndex (as opposed to a plain Index)
dateindex = pd.DatetimeIndex(dateindex)
现在可以选择年份等于 2007 的行
布尔条件:
# select rows where year equals 2007
series2007 = series.loc[dateindex.year == 2007]
If the foo
每个日期的值以相同的顺序循环使用相同的值,
那么您可以将系列中的所有值替换为 2007 年的值
N = len(series)/len(series2007)
series[:] = np.tile(series.loc[dateindex.year == 2007].values, N)
使用的优点np.tile
and .values
是它会相对快速地生成所需的值数组。一个(可能的)缺点是,这忽略了索引,因此它依赖于以下假设:foo
对于每个日期,值以相同的顺序循环使用相同的值。
更稳健(但更慢)的方法是使用联接:
df = series.reset_index('date')
df2007 = df.loc[dateindex.year==2007]
df = df.join(df2007, rsuffix='_2007')
df = df[['date', 'val_2007']]
df = df.set_index(['date'], append=True)
df = df.swaplevel(0,1).sort_index()
yields
In [304]: df.swaplevel(0,1).sort_index()
Out[304]:
val_2007
date foo
2006-01-01 1 11086082.624
3 12028419.560
5 11957253.031
7 10643307.061
9 6034854.915
2007-01-01 1 11086082.624
3 12028419.560
5 11957253.031
7 10643307.061
9 6034854.915
2008-01-01 1 11086082.624
3 12028419.560
5 11957253.031
7 10643307.061
9 6034854.915