pandas.MultiIndex.get_indexer

MultiIndex.get_indexer(target, method=None, limit=None, tolerance=None)[source]

Вычисление индексатора и маски для нового индекса, исходя из текущего индекса.

Индексатор должен использоваться в качестве входных данных для ndarray.take для выравнивания текущих данных с новым индексом.

Параметры:

target:Index

method:{None, ‘pad’/’ffill’, ‘backfill’/’bfill’, ‘nearest’}, optional

• по умолчанию: только точные совпадения.

• pad / ffill: найти ПРЕДЫДУЩЕЕ значение индекса, если точного совпадения нет.

• backfill / bfill: использовать СЛЕДУЮЩЕЕ значение индекса, если точного совпадения нет

• nearest: использовать НАИБОЛЕЕ БЛИЗКОЕ значение индекса, если точного совпадения нет. В случае совпадения расстояний предпочтение отдаётся большему значению индекса.

limit:int, optional

Максимальное количество последовательных меток в target для совпадения при неточных совпадениях.

tolerance:optional

Максимальное расстояние между исходными и новыми метками для неточных совпадений. Значения индекса в сопоставляемых позициях должны удовлетворять уравнению abs(index[indexer] - target) <= tolerance.

Tolerance может быть скалярным значением, применяющим одинаковую толерантность ко всем значениям, или спископодобным, применяющим переменную толерантность к каждому элементу. Списки-подобные типы включают список, кортеж, массив, Series и должны иметь тот же размер, что и индекс, а их тип данных должен точно совпадать с типом данных индекса.

Возвращаемые значения:

np.ndarray[np.intp]

Целые числа от 0 до n - 1, указывающие, что индекс в этих позициях соответствует соответствующим целевым значениям. Пропущенные значения в целевом индексе отмечаются -1.

Примечания

Возвращает -1 для несовпадающих значений, для дальнейшего объяснения см. пример ниже.

Примеры

>>> index = pd.Index(['c', 'a', 'b'])
>>> index.get_indexer(['a', 'b', 'x'])
array([ 1,  2, -1])

Обратите внимание, что возвращаемое значение представляет собой массив местоположений в index и x отмечен -1, так как он не входит в index.