如何在具有层次索引的 pandas 数据框中添加和计算（基于其他列）子列？

Question

我是 pandas 的新手，我正在努力掌握多索引数学...

假设我们有一个包含 2D 列和 2D 行的 pandas 数据框，如示例中所示，我们如何添加 "sub-column" ('ALPHA', 'gamma') 其值等于 (same d1, same d2, 'ALPHA', 'alpha') + (same d1, d2-1, 'BETA', 'alpha') , 即 ('A',2,'ALPHA','gamma') 是 10+2 ?

ridx = pd.MultiIndex.from_tuples([('A',1),('A',2),('A',3),('B',1),('B',2),('B',3),('C',1),('C',2),('C',3)], names=['d1', 'd2'])
cidx = pd.MultiIndex.from_tuples([('ALPHA','alpha'),('ALPHA','beta'),('BETA','alpha'),('BETA','beta')], names=['d3', 'd4'])
dfmix = pd.DataFrame([(0,1,2,3),(10,11,12,13),(20,21,22,23),
                      (30,31,32,33),(40,41,42,43),(50,51,52,53),
                      (60,61,62,63),(70,71,72,73),(80,81,82,83),                     
                     ], index=ridx, columns=cidx)
dfmix

Answer 1

您可以通过 dfmix.columns[0..n]

访问每个唯一列

以下将有助于更好地理解它：

In [129]: dfmix.columns[0]
Out[129]: ('ALPHA', 'alpha')

In [134]: dfmix[dfmix.columns[0]][1]
Out[134]: 10

In [136]: dfmix.columns[2]
Out[136]: ('BETA', 'alpha')

In [137]: dfmix[dfmix.columns[2]][0]
Out[137]: 2

In [138]: dfmix[dfmix.columns[0]][1] + dfmix[dfmix.columns[2]][0]
Out[138]: 12

Answer 2

单班机：

dfmix['ALPHA','gamma'] = dfmix['ALPHA','alpha']
                       + dfmix.groupby(level='d1').shift()['BETA','alpha']

pd.shift is the good tool to align rows like you want. the pd.groupby 用于在应用此操作之前对行进行分组。

为了

In [6]: dfmix.sort_index(axis=1)
Out[6]: 
d3    ALPHA            BETA     
d4    alpha beta gamma alpha beta
d1 d2                            
A  1      0    1   NaN     2    3
   2     10   11    12    12   13
   3     20   21    32    22   23
B  1     30   31   NaN    32   33
   2     40   41    72    42   43
   3     50   51    92    52   53
C  1     60   61   NaN    62   63
   2     70   71   132    72   73
   3     80   81   152    82   83

当然，如果数学公式没有意义，你有 Nan 值。

如何在具有层次索引的 pandas 数据框中添加和计算（基于其他列）子列？

How to add and compute (based on other columns) a sub-column in a pandas dataframe with hierarchical index?

python

pandas

multi-index