[英]Accessing columns with MultiIndex after using pandas groupby and aggregate
我正在使用df.groupby()
方法:
g1 = df[['md', 'agd', 'hgd']].groupby(['md']).agg(['mean', 'count', 'std'])
它產生的正是我想要的!
agd hgd
mean count std mean count std
md
-4 1.398350 2 0.456494 -0.418442 2 0.774611
-3 -0.281814 10 1.314223 -0.317675 10 1.161368
-2 -0.341940 38 0.882749 0.136395 38 1.240308
-1 -0.137268 125 1.162081 -0.103710 125 1.208362
0 -0.018731 603 1.108109 -0.059108 603 1.252989
1 -0.034113 178 1.128363 -0.042781 178 1.197477
2 0.118068 43 1.107974 0.383795 43 1.225388
3 0.452802 18 0.805491 -0.335087 18 1.120520
4 0.304824 1 NaN -1.052011 1 NaN
但是,我現在想像“普通”數據框一樣訪問 groupby 對象列。
然后我將能夠:1)計算agd
和hgd
均值上的誤差 2)在md
(x 軸)與agd mean
( hgd mean
)上繪制散點圖,並添加適當的誤差條。
這可能嗎? 也許通過玩索引?
1)您可以重命名列並照常進行(將擺脫多索引)
g1.columns = ['agd_mean', 'agd_std','hgd_mean','hgd_std']
2)您可以保持多索引並依次使用兩個級別( 文檔)
g1['agd']['mean count']
可以執行您正在搜索的操作,這稱為transform
。 您將在此處的 Pandas 文檔中找到一個完全符合您搜索要求的示例。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.