MultiIndex Dataframe 将一个原始索引与其他索引进行比较

Question

我有一个以列表作为值的数据框。

index=pd.MultiIndex.from_product([["file1", "file2", "file3"], ["a", "b"]])
index.names = ['file', 'name']
data = [
    [[1,1],[0,0]],
    [[],[]],
    [[2,2,2],[7]],
    [[],[]],
    [[1],[4, 4]],    
    [[],[]],
]
df = pd.DataFrame(data, index=index, columns=['col1', 'col2'])
df

df

                col1    col2
file    name        
file1   a      [1, 1]   [0, 0]
        b       []      []
file2   a    [2, 2, 2]  [7]
        b       []      []
file3   a       [1]     [4, 4]
        b       []      []

我想按 name 和运行在每一行和其他行的串联之间进行 Kolmogorov-Smirnov 检验 (scipy.stats.ks_2samp) 分组。名称示例 a。 {file1,a} == [1,1]。其他的拼接{file2,a} + {file3,a} == [2,2,2] + [1] == [2,2,2,1]。他们之间的KStest是stats.ks_2samp([1,1], [2,2,2,1]) == 0.75。我怎样才能得到下面的预期结果（手动完成）？

               col1     col2
file    name        
file1   a       0.75    1.0
        b       NaN     NaN
file2   a       1.0     1.0
        b       NaN     NaN
file3   a       0.6     0.66
        b       NaN     NaN

对不起，如果这个问题太临时了。

以下是我的尝试。我不知道如何从其他行中优雅地排除目标行。

df.groupby(['name']).apply(
    lambda per_name_df: per_name_df.apply(
        lambda per_column: per_column.apply(
            lambda cell: stats.ks_2samp(cell, np.concatenate(per_column.to_numpy())) if cell else cell)))

Answer 1

... test between a single row and a concatenation of others rows

由于您没有具体指定哪些行，我会给您一个示例来测试第一行和所有剩余行：

from scipy.stats import ks_2samp
def ks(a, b):
    b = [el for li in b for el in li]
    if a and b:
        return ks_2samp(a, b)[0]

df.groupby(df.index.get_level_values('name')).col1.apply(lambda x: ks(x[0],x[1:].to_list()))

结果：

name
a    0.75
b     NaN
Name: col1, dtype: float64

已编辑问题的更新：

... test between each row and a concatenation of others rows

def ks_all(a):
    a = a.to_list()
    return [ks(a[i],a[:i]+a[i+1:]) for i in range(0,len(a))]

df.groupby(df.index.get_level_values('name')).transform(ks_all)

结果：

            col1      col2
file  name                
file1 a     0.75  1.000000
      b      NaN       NaN
file2 a     1.00  1.000000
      b      NaN       NaN
file3 a     0.60  0.666667
      b      NaN       NaN

MultiIndex Dataframe 将一个原始索引与其他索引进行比较

MultiIndex Dataframe compare one index raw against others

python

pandas

kolmogorov-smirnov