熊猫：如何分组和总和MultiIndex

Question

我有一个带有分类属性的数据框，其中索引包含重复项。 我试图找到索引和属性的每个可能组合的总和。

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack()
print(y)
print(y.groupby(level=[0,1]).sum())

产量

11  x    1
    y    3
    x    1
    y    3
12  x    3
    y    5
    x    3
    y    5
dtype: int64
11  x    1
    y    3
    x    1
    y    3
12  x    3
    y    5
    x    3
    y    5
dtype: int64

堆栈和组合总和是一样的。

但是，我期待的是

11  x    2
11  y    6
12  x    6
12  y    10

编辑2：

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack().groupby(level=[0,1]).sum()
print(y.groupby(level=[0,1]).sum())

输出：

11  x    1
    y    3
    x    1
    y    3
12  x    3
    y    5
    x    3
    y    5
dtype: int64

编辑3：已记录一个问题https://github.com/pydata/pandas/issues/10417

Answer 1

使用Pandas 0.15.2，您只需再重复一次groupby

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack().groupby(level=[0,1]).sum()
print(y.groupby(level=[0,1]).sum())

版画

11  x     2
    y     6
12  x     6
    y    10

Answer 2

使用pandas 0.16.2和Python 3，我能够通过以下方式获得正确的结果：

x.stack().reset_index().groupby(['level_0','level_1']).sum()

哪个产生：

                    0
level_0 level_1 
     11       x     2
              y     6
     12       x     6
              y     10

然后，您可以使用reindex()和columns将索引和列名称更改为更合适的名称。

根据我的研究，我同意原始方法的失败似乎是一个错误。 我认为这个bug出现在Series ，这就是x.stack()产生的。 我的解决方法是通过reset_index()将Series转换为DataFrame 。 在这种情况下， DataFrame不再具有MultiIndex - 我只是对标记列进行分组。

要确保对具有DataFrame的MultiIndex进行分组和求和，您可以尝试使用它来获得相同的正确输出：

x.stack().reset_index().set_index(['level_0','level_1'],drop=True).\
groupby(level=[0,1]).sum()

在解决错误之前，这些变通办法中的任何一个都应该处理好事情。

我想知道这个bug是否与在Series与DataFrame上创建的MultiIndex实例有关。 例如：

In[1]: obj = x.stack()
       type(obj)
Out[1]: pandas.core.series.Series

In[2]: obj.index
Out[2]: MultiIndex(levels=[[11, 11, 12, 12], ['x', 'y']],
           labels=[[0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 0, 1, 0, 1, 0, 1]])

与

In[3]: obj = x.stack().reset_index().set_index(['level_0','level_1'],drop=True)
       type(obj)
Out[3]: pandas.core.frame.DataFrame

In[4]: obj.index
Out[4]: MultiIndex(levels=[[11, 12], ['x', 'y']],
           labels=[[0, 0, 0, 0, 1, 1, 1, 1], [0, 1, 0, 1, 0, 1, 0, 1]],
           names=['level_0', 'level_1'])

请注意MultiIndex上的DataFrame如何更准确地描述级别。

Answer 3

sum允许您指定要在MultiIndex数据框中求和的级别。

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack()

y.sum(level=[0,1])

11  x     2
    y     6
12  x     6
    y    10