有沒有辦法向僅與一個級別對齊的 pandas 多索引添加新列？

Question

我正在尋找一種將列添加到多索引 dataframe 的干凈方法，其中每個級別 = 0 僅重復一次該值。

例如，

我想為此添加一列：

索引級別=0	索引級別=1	值 (x)
一個	1	300
	2	850
	3	2000
乙	1	100
	2	70
	3	400

為了達到這個目的：

索引級別=0	索引級別=1	值 (x)	值 (y)
一個	1	300	黃色
	2	850
	3	2000
乙	1	100	紅色的
	2	70
	3	400

我不想要這個：

索引級別=0	索引級別=1	值 (x)	值 (y)
一個	1	300	黃色
	2	850	黃色
	3	2000	黃色
乙	1	100	紅色的
	2	70	紅色的
	3	400	紅色的

我不確定如何最好地在這里創建一個表來顯示我希望的內容，但對我來說重要的部分是 y 對應於索引級別 = 0 的所有行，但對於索引級別的每個增量都不會重復=1。 我確信我可以使用 null 值在 y 列中添加額外的行，但我認為可能有更優雅的方式。

Answer 1

使用pd.IndexSlice ：

idx = pd.IndexSlice
df.loc[idx[:, 1], 'Color'] = ['Yellow', 'Red']
print(df)

# Output
     Value   Color
A 1    300  Yellow
  2    850     NaN
  3   2000     NaN
B 1    100     Red
  2     70     NaN
  3    400     NaN

或僅使用slice ：

df.loc[(slice(None), 1), 'Color'] = ['Yellow', 'Red']
print(df)

# Output
     Value   Color
A 1    300  Yellow
  2    850     NaN
  3   2000     NaN
B 1    100     Red
  2     70     NaN
  3    400     NaN

Answer 2

您尚未指定如何確定高/低，因此我將它們硬編碼在字典中：

# Create the data frame
index = pd.MultiIndex.from_product([['A', 'B'], [1,2,3]])
df = pd.DataFrame({
    'x': [300, 850, 2000, 100, 70, 400]
}, index=index)

# The transformation
def f(col):
    y_values = {
        'A': 'High',
        'B': 'Low'
    }
    level0 = col.index[0][0]
    return [y_values[level0]] + [''] * (len(col) - 1)

df['y'] = df.groupby(level=0).transform(f)

Answer 3

遍歷 index0 並為 index0 中每種新數據類型的新列賦值：

c=0
for i in df.index:
    if i[0] != c:
        #put your code here to add values to new column
        c = i[0]