Pandas 熊猫多指数计数
数据:Pandas 熊猫多指数计数,pandas,count,series,multi-index,Pandas,Count,Series,Multi Index,数据: index = [('A', 'aa', 'aaa'), ('A', 'aa', 'aab'), ('B', 'bb', 'bbb'), ('B', 'bb', 'bbc'), ('C', 'cc', 'ccc') ] values = [0.07, 0.04, 0.04, 0.06, 0.07] s = pd.Series(data=values, index=pd.MultiIndex.from
index = [('A', 'aa', 'aaa'),
('A', 'aa', 'aab'),
('B', 'bb', 'bbb'),
('B', 'bb', 'bbc'),
('C', 'cc', 'ccc')
]
values = [0.07, 0.04, 0.04, 0.06, 0.07]
s = pd.Series(data=values, index=pd.MultiIndex.from_tuples(index))
s
A aa aaa 0.07
aab 0.04
B bb bbb 0.04
bbc 0.06
C cc ccc 0.07
要获得前两个级别的平均值很容易:
s.mean(level=[0,1])
结果:
A aa 0.055
B bb 0.050
C cc 0.070
但要计算前两个级别的数量并不相同:
#s.count(level=[0,1]) # does not work
我可以四处走动:
s.reset_index().groupby(['level_0', 'level_1']).size()
level_0 level_1
A aa 2
B bb 2
C cc 1
但必须有一种更干净的方法才能得到同样的结果?我遗漏了一些明显的东西吗?似乎是bug,您可以使用:
print (s.groupby(level=[0,1]).size())
#with exclude NaNs
#print (s.groupby(level=[0,1]).count())
A aa 2
B bb 2
C cc 1
dtype: int64
从未想过系列会有一个“groupby”方法:)这是很有帮助的,我接受这个答案,认为这是一个更干净的方法,但也许有人能证实,在速度和效率方面,没有“计数方法”可供选择吗?@arvyzu-似乎还没有;(