如何使用多級索引熊貓數據框中列的總和值作為新列中值的條件

Question

我有一個多級索引熊貓數據框。 我想創建一個新列，其中此列中的值基於條件。 此條件基於對該索引的另一列求和，然后將其減半。 如果這小於存儲在單獨列表中的最后一個值，則新列中的值與數據框中另一列的值相同。 如果不滿足此條件，則新列中的所有值都應為0 。

使用此問題嘗試在多索引數據幀中按級別實現此Sum 列，我使用了np.where和df.sum(level=0, axis=1)但這會導致以下錯誤：

ValueError: operands could not be broadcast together with shapes (2,8) (21,) ()

這是我的數據框和我迄今為止使用的代碼的示例：

import pandas as pd
import numpy as np

balance = [1400]

data = {'EVENT_ID': [112335580,112335580,112335580,112335580,112335580,112335580,112335580,112335580, 112335582,
                     112335582,112335582,112335582,112335582,112335582,112335582,112335582,112335582,112335582,
                     112335582,112335582,112335582],

 'SELECTION_ID': [6356576,2554439,2503211,6297034,4233251,2522967,5284417,7660920,8112876,7546023,8175276,8145908,
                  8175274,7300754,8065540,8175275,8106158,8086265,2291406,8065533,8125015],

 'Pot_Bet': [3.236731,2.416966,2.278365,2.264023,2.225353,2.174407, 2.141420,2.122386,2.832997,2.411094,
         2.167218,2.138972,2.132137,2.128341,2.116338,2.115239,2.115123,2.114284362,2.113420,
         2.113186,2.112729],

  'Liability':[3.236731, 2.416966, 12.245492, 12.795112, 15.079176, 23.336171, 50.741182, 571.003118, 2.832997, 6.691736, 15.808607, 27.935834, 35.954927, 43.275250, 147.165537, 193.017915, 199.622454, 265.809019, 405.808678, 473.926781, 706.332594]}

df = pd.DataFrame(data, columns=['EVENT_ID', 'SELECTION_ID', 'Pot_Bet','WIN_LOSE'])

df.set_index(['EVENT_ID', 'SELECTION_ID'], inplace=True) #Selecting columns for indexing

df['Bet'] = np.where(df.sum(level = 0) > 0.5*balance[-1], df['Pot_Bet'], 0)

這會導致前面提到的錯誤。

對於索引112335580 ，新列應具有與'Pot_Bet'相同的值。 而對於索引112335582 ，新列的值應為0 。

干杯，桑迪

Answer 1

問題是如果使用df.sum(level=0)它就像df.groupby(level = 0).sum() - 按MultiIndex的第一級MultiIndex 。

解決方案是將GroupBy.transform用於與原始DataFrame相同大小的Series ：

df['Bet'] = np.where(df.groupby(level = 0)['Pot_Bet'].transform('sum') > 0.5*balance[-1], 
                     df['Pot_Bet'], 0)

詳情：

print (df.groupby(level = 0)['Pot_Bet'].transform('sum'))
EVENT_ID   SELECTION_ID
112335580  6356576         18.859651
           2554439         18.859651
           2503211         18.859651
           6297034         18.859651
           4233251         18.859651
           2522967         18.859651
           5284417         18.859651
           7660920         18.859651
112335582  8112876         28.611078
           7546023         28.611078
           8175276         28.611078
           8145908         28.611078
           8175274         28.611078
           7300754         28.611078
           8065540         28.611078
           8175275         28.611078
           8106158         28.611078
           8086265         28.611078
           2291406         28.611078
           8065533         28.611078
           8125015         28.611078
Name: Pot_Bet, dtype: float64

如果只需要使用磨練列，則可以按列名稱為Series選擇它：

print (df['Pot_Bet'].sum(level=0))
EVENT_ID
112335580    18.859651
112335582    28.611078
Name: Pot_Bet, dtype: float64

print (df.groupby(level = 0)['Pot_Bet'].sum())
EVENT_ID
112335580    18.859651
112335582    28.611078
Name: Pot_Bet, dtype: float64