在二级索引中应用新行

Question

我有一个看起来像这样的数据框：

+-----------+---------+-------+-------+-------+
|           |         | Day 1 | Day 2 | Day 3 |
+-----------+---------+-------+-------+-------+
| Product 1 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
| Product 2 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
| Product 3 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
+-----------+---------+-------+-------+-------+

本质上是一个垂直的二级索引。第一层是产品，第二层是收入或成本。

我想在收入和成本（只是收入 - 成本）下方的所有产品中添加利润行。甚至是该产品收入的平均值等。但是，经过多次应用试验后，我似乎无法让它在多层次上工作。

Product 1 Revenue    0
          Cost       0
          Profit     0

这是如何实现的？

Answer 1

这取决于您要执行此操作的次数以及当前其他值的存储方式。

如果您只想将少量的利润添加到上述各项中，您可以使用 this method。但是，此方法使用 ix 将被弃用（我相信）。因此，我建议使用 at、

df = pd.DataFrame({('A', 'b'): [1, 2, 3], ('A', 'a'): [7, 2, 9]}).T
df.at[('B', 'a'), :] = [1, 4, 5]

Out[1]:     
                0    1   2
         A  b   1    2   3
            a   7    2   9
         B  a   1    4   5

如果您的 Profit 信息存储在另一个 DataFrame 中，使用 concat 最简单，像这样，

df = pd.DataFrame({('A', 'b'): [1, 2, 3], ('A', 'a'): [7, 2, 9]}).T
df2 = pd.DataFrame({('B', 'a'): [1, 4, 5]}).T

pd.concat([df, df2])

Out[1]: 
        0   1   2
A   b   1   2   3
    a   7   2   9
B   a   1   4   5

在二级索引中应用新行

Applying new row within second level index

python

numpy

pandas

pandas-apply

pandas-groupby