![](/img/trans.png)
[英]Sum selected columns for each level in Pandas Multiindex dataframe
[英]Sum columns by level in a pandas MultiIndex DataFrame
我的 df 帶有多索引列。 我所有的值都是浮點數,我想將值與多索引的第一級合並。 詳情請見下文。
first bar baz foo
second one two one two one
A 0.895717 0.805244 1.206412 2.565646 1.431256
B 0.410835 0.813850 0.132003 0.827317 0.076467
C 1.413681 1.607920 1.024180 0.569605 0.875906
first bar baz foo
A (0.895717+0.805244) (1.206412+2.565646) 1.431256
B (0.410835+0.813850) (0.132003+0.827317) 0.076467
C (1.413681+1.607920) (1.024180+0.569605) 0.875906
這些值實際上是添加的(我只是不想做所有這些:))。 最重要的是,我只想升級(我猜是更高的級別)並在索引內添加所有值。 請讓我知道這樣做的好方法。 謝謝!
我相信您正在尋找沿第一個軸的groupby
。
df.groupby(level=0, axis=1).sum()
或者(更簡潔),
df.sum(level=0, axis=1)
sum
的level
參數意味着分組。
df
first bar baz foo
second one two one two one two
A 2 3 3 4 10 8
B 22 16 7 3 2 26
C 4 5 1 9 6 5
df.sum(level=0, axis=1)
first bar baz foo
A 5 7 18
B 38 10 28
C 9 10 11
在性能方面,上面概述的兩種方法幾乎沒有任何區別(后者快了幾滴)。
請記住, df.sum(level, axis)
僅在您將列設置為多索引時才有效。 例如,
D = {'one': range(6),
'two': range(1,7),
'CAT1': 'A A A A A A'.split(),
'CAT2': 'B B B C C C'.split(),
'CAT3': 'D D E E F F'.split()}
df = pd.DataFrame(D)
df = df.set_index('CAT1 CAT2 CAT3'.split())
df
one two
CAT1 CAT2 CAT3
A B D 0 1
D 1 2
E 2 3
C E 3 4
F 4 5
F 5 6
如果您的數據采用這種形式,則必須使用df.groupby(level=n).sum(axis=1)
df.groupby(level = 0).sum(axis=1)
one two
CAT1
A 15 21
df.groupby(level = 1).sum(axis=1)
one two
CAT2
B 3 6
C 12 15
df.groupby(level = 2).sum(axis=1)
one two
CAT3
D 1 3
E 5 7
F 9 11
如果您嘗試跳過groupby
,
df.sum(level = 1, axis=1)
ValueError: level > 0 or level < -1 only valid with MultiIndex
這是一個有趣的錯誤,因為
df.index
MultiIndex(levels=[[u'A'], [u'B', u'C'], [u'D', u'E', u'F']],
labels=[[0, 0, 0, 0, 0, 0], [0, 0, 0, 1, 1, 1], [0, 0, 1, 1, 2, 2]],
names=[u'CAT1', u'CAT2', u'CAT3'])
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.