如何根据多索引中的值创建新列 pandas
How to create a new column based on values inside a multiindex pandas
我有一个多索引数据框，其中 custmer_key 和月份作为索引，然后是一些拟合值。
问题是，我想使用月份索引中的值创建一个新列。我总共有 45 个不同的月份，我需要按顺序给每个月分配一个从 1 到 45 的数字，有什么办法可以做到这一点吗？
fitted_values period
Customer_Key month
12870 2018-01-01 -3.073268 1
2018-02-01 -3.002010 2
2018-03-01 -2.888226 3
2018-05-01 -2.857996 5
2858439 2018-03-01 -2.857996 3
2021-09-01 -2.857996 45
.
.
.
试试这个：
df['new_column'] = df.groupby(level=0).cumcount()
您似乎想查找自最早日期以来的月份。您可以将索引转换为月份周期，并用最小值减去它：
month = df.index.get_level_values(1).to_period('M').astype(int)
df['period'] = month - month.min() + 1
df
fitted_values period
Customer_Key month
12870 2018-01-01 -3.073268 1
2018-02-01 -3.002010 2
2018-03-01 -2.888226 3
2018-05-01 -2.857996 5
2858439 2018-03-01 -2.857996 3
2021-09-01 -2.857996 45
这假设您的 month 索引是日期时间数据类型。
我有一个多索引数据框，其中 custmer_key 和月份作为索引，然后是一些拟合值。
问题是，我想使用月份索引中的值创建一个新列。我总共有 45 个不同的月份，我需要按顺序给每个月分配一个从 1 到 45 的数字，有什么办法可以做到这一点吗？
fitted_values period
Customer_Key month
12870 2018-01-01 -3.073268 1
2018-02-01 -3.002010 2
2018-03-01 -2.888226 3
2018-05-01 -2.857996 5
2858439 2018-03-01 -2.857996 3
2021-09-01 -2.857996 45
.
.
.
试试这个：
df['new_column'] = df.groupby(level=0).cumcount()
您似乎想查找自最早日期以来的月份。您可以将索引转换为月份周期，并用最小值减去它：
month = df.index.get_level_values(1).to_period('M').astype(int)
df['period'] = month - month.min() + 1
df
fitted_values period
Customer_Key month
12870 2018-01-01 -3.073268 1
2018-02-01 -3.002010 2
2018-03-01 -2.888226 3
2018-05-01 -2.857996 5
2858439 2018-03-01 -2.857996 3
2021-09-01 -2.857996 45
这假设您的 month 索引是日期时间数据类型。