如何在多索引（行）的最外层求和？

Question

我想弄清楚如何在我的多索引的最外层求和。所以我想根据各个运算符以及为其列出的所有商店对 COUNTS 列求和。

df=pd.DataFrame(data.groupby('OPERATOR').SHOP.value_counts())
df=df.rename(columns={'SHOP':'COUNTS'})
df['COUNTS'] = df['COUNTS'].astype(float)
df['percentage']=df.groupby(['OPERATOR'])['COUNTS'].sum()
df['percentage']=df.sum(axis=0, level=['OPERATOR', 'SHOP'])
df.head()

                      COUNTS    percentage
OPERATOR    SHOP        
AVIANCA     CC9          3.0    3.0
            FF9          1.0    1.0
            IHI          1.0    1.0
Aegean      HA9          33.0   33.0
            IN9          24.0   24.0

当我使用 df.sum 调用时，它允许我在两个级别上调用它，但是当我将其更改为 df.sum(axis=0, level=['OPERATOR' ]，它导致百分比列为 NaN。我最初将计数列作为 int，所以我认为这可能是问题所在，并转换为 float，但这并没有解决问题。这是所需的输出：

                      COUNTS    percentage
OPERATOR    SHOP        
AVIANCA     CC9          3.0    5.0
            FF9          1.0    5.0
            IHI          1.0    5.0
Aegean      HA9          33.0   57.0
            IN9          24.0   57.0

（这只是计算每个商店相对于运营商的百分比的垫脚石，即 FINAL 最终输出将是）：

                      COUNTS    percentage
OPERATOR    SHOP        
AVIANCA     CC9          3.0    .6
            FF9          1.0    .2
            IHI          1.0    .2
Aegean      HA9          33.0   .58
            IN9          24.0   .42

所以，如果你也包括最后一步，那么奖励加分！！请帮帮我！！！

Answer 1

按 OPERATOR 分组并规范化您的数据：

df['percentage'] = df.groupby('OPERATOR')['COUNTS'] \
                     .transform(lambda x: x / x.sum()) \
                     .round(2)

>>> df
               COUNTS  percentage
OPERATOR SHOP
AVIANCA  CC9      3.0        0.60
         FF9      1.0        0.20
         IHI      1.0        0.20
Aegean   HA9     33.0        0.58
         IN9     24.0        0.42

如何在多索引（行）的最外层求和？

How do I sum on the outter most level of a multi index (row)?

python

pandas

aggregate

multi-index

multilevel-analysis