Pandas：如何將列添加到多索引數據幀？

Question

我在 LinkedIn 上學習了一個關於多索引熊貓數據幀的簡短教程，在那里我無法重現一個看似非常基本的操作（3:00）。 您無需觀看視頻即可掌握問題。

以下使用來自 seaborn 的數據集的片段將顯示我無法使用視頻中顯示的技術將列添加到多索引熊貓數據幀，並在此處的 SO 帖子中進行了描述。

開始了：

import pandas as pd
import seaborn as sns

flights = sns.load_dataset('flights')
flights.head()
flights_indexed = flights.set_index(['year', 'month'])

flights_unstack = flights_indexed.unstack()
print(flights_unstack)

輸出：

      passengers                                                               
month    January February March April  May June July August September October   November December
year                                                                            
1949         112      118   132   129  121  135  148    148       136     119        104      118
1950         115      126   141   135  125  149  170    170       158     133        114      140  
1951         145      150   178   163  172  178  199    199       184     162        146      166
1952         171      180   193   181  183  218  230    242       209     191        172      194
1953         196      196   236   235  229  243  264    272       237     211        180      201 
1954         204      188   235   227  234  264  302    293       259     229        203      229 
1955         242      233   267   269  270  315  364    347       312     274        237      278  
1956         284      277   317   313  318  374  413    405       355     306        305      336 
1957         315      301   356   348  355  422  465    467       404     347        310      337   
1958         340      318   362   348  363  435  491    505       404     359        362      405
1959         360      342   406   396  420  472  548    559       463     407        362      405
1960         417      391   419   461  472  535  622    606       508     461        390      432

現在我想附加一個列，顯示每年每月的總和使用

flights_unstack.sum(axis = 1)

輸出：

year
1949    1520
1950    1676
1951    2042
1952    2364
1953    2700
1954    2867
1955    3408
1956    3939
1957    4421
1958    4572
1959    5140
1960    5714

上面提到的兩個來源通過使用一些簡單的東西來證明這一點：

flights_unstack['passengers', 'total'] = flights_unstack.sum(axis = 1)

在這里，'total' 應該作為現有索引下的一個新列出現。 但我得到這個：

類型錯誤：無法將項目插入還不是現有類別的 CategoricalIndex

我正在使用 Python 3，2015 年視頻中的作者也是如此。

這里發生了什么？

我僅使用上述系列中的值進行了大量嘗試，以及將數據機器人重塑、轉置、合並和連接為 pd.Series 和 pd.DataFrame。 並重置索引。 我可能忽略了一些重要的細節，現在我希望你們中的一些人提出建議。

編輯 1 - 這是在 jezrael 提出第一個建議后的嘗試：

import pandas as pd
import seaborn as sns

flights = sns.load_dataset('flights')
flights.head()

flights_indexed = flights.set_index(['year', 'month'])

flights_unstack = flights_indexed['passengers'].unstack()
flights_unstack['total'] = flights_unstack.sum(axis = 1)

輸出：

類型錯誤：無法將項目插入還不是現有類別的 CategoricalIndex

Answer 1

改變：

flights_unstack = flights_indexed.unstack()

到：

flights_unstack = flights_indexed['passengers'].unstack()

用於刪除列中的多Multiindex 。

---

最后是必要的add_categories新列名：

flights_unstack.columns = flights_unstack.columns.add_categories(['total'])

flights_unstack['total'] = flights_unstack.sum(axis = 1)
print (df)
       January  February  March  April  May  June  July  August  September  \
month                                                                        
1949       112       118    132    129  121   135   148     148        136   
1950       115       126    141    135  125   149   170     170        158   
1951       145       150    178    163  172   178   199     199        184   
1952       171       180    193    181  183   218   230     242        209   
1953       196       196    236    235  229   243   264     272        237   
1954       204       188    235    227  234   264   302     293        259   
1955       242       233    267    269  270   315   364     347        312   
1956       284       277    317    313  318   374   413     405        355   
1957       315       301    356    348  355   422   465     467        404   
1958       340       318    362    348  363   435   491     505        404   
1959       360       342    406    396  420   472   548     559        463   
1960       417       391    419    461  472   535   622     606        508   

       October  November  December  total  
month                                      
1949       119       104       118   1520  
1950       133       114       140   1676  
1951       162       146       166   2042  
1952       191       172       194   2364  
1953       211       180       201   2700  
1954       229       203       229   2867  
1955       274       237       278   3408  
1956       306       305       336   4003  
1957       347       310       337   4427  
1958       359       362       405   4692  
1959       407       362       405   5140  
1960       461       390       432   5714  

設置：

import pandas as pd

temp=u"""month;January;February;March;April;May;June;July;August;September;October;November;December

1949;112;118;132;129;121;135;148;148;136;119;104;118
1950;115;126;141;135;125;149;170;170;158;133;114;140
1951;145;150;178;163;172;178;199;199;184;162;146;166
1952;171;180;193;181;183;218;230;242;209;191;172;194
1953;196;196;236;235;229;243;264;272;237;211;180;201
1954;204;188;235;227;234;264;302;293;259;229;203;229
1955;242;233;267;269;270;315;364;347;312;274;237;278
1956;284;277;317;313;318;374;413;405;355;306;305;336
1957;315;301;356;348;355;422;465;467;404;347;310;337
1958;340;318;362;348;363;435;491;505;404;359;362;405
1959;360;342;406;396;420;472;548;559;463;407;362;405
1960;417;391;419;461;472;535;622;606;508;461;390;432"""
#after testing replace 'pd.compat.StringIO(temp)' to 'filename.csv'
df = pd.read_csv(pd.compat.StringIO(temp), sep=";", index_col=[0])
print (df)


df.columns = pd.CategoricalIndex(df.columns)

df.columns = df.columns.add_categories(['total'])
df['total'] = df.sum(axis = 1)

Answer 2

我知道這有點晚了，但我在課程的常見問題解答部分找到了您的問題的答案。 這是它所說的：

“問：Pandas 分類數據有哪些問題？

A. 從​​ 0.6 版開始，seaborn.load_dataset 將某些列轉換為 Pandas 分類數據（參見http://pandas.pydata.org/pandas-docs/stable/categorical.html ）。 這會在處理“熊貓簡介/使用多級索引”中使用的“航班”數據幀時產生問題。 為了避免這個問題，你可以直接用 Pandas 加載數據集：

航班 = pd.read_csv(' https://raw.githubusercontent.com/mwaskom/seaborn-data/master/flights.csv ')"

我希望這有幫助。

Answer 3

您可以使用以下內容：

df = pd.concat([flights_unstack.sum(axis = 'columns').rename('Total'), flights_unstack], axis = 'columns') 

結果

然后您可以使用以下方法重置為多索引：

df.columns = pd.MultiIndex.from_tuples(('passangers', column) for column in df.columns)

結果