Pandas 如何像在面板上一样优雅地在多索引数据框上应用函数？

假设我有一个数据帧，如：

ticker        MS                AAPL          
field      price    volume     price    volume
0      -0.861210 -0.319607 -0.855145  0.635594
1      -1.986693 -0.526885 -1.765813  1.696533
2      -0.154544 -1.152361 -1.391477 -2.016119
3       0.621641 -0.109499  0.143788 -0.050672

由以下代码生成，请忽略作为示例的数字

columns = pd.MultiIndex.from_tuples([('MS', 'price'), ('MS', 'volume'), ('AAPL', 'price'), ('AAPL', 'volume')], names=['ticker', 'field'])
data = np.random.randn(4, 4)
df = pd.DataFrame(data, columns=columns)

现在，我想计算pct_change（）或用户在每个价格列上定义的任何函数，并在“field”级别添加一个新列来存储结果

如果数据是一个面板，我知道如何优雅地完成它，因为0.20版就不推荐使用这个面板。假设面板的3个轴是日期、标记器和字段：

p[:,:, 'ret'] = p[:,:,'price'].pct_change()

---

就这些。但我还没有找到类似的优雅方法来处理多索引数据帧。

您可以使用

IndexSlice

df.loc[:,pd.IndexSlice[:,'price']].apply(pd.Series.pct_change).rename(columns={'price':'ret'})
Out[1181]: 
ticker        MS      AAPL
field        ret       ret
0            NaN       NaN
1      -1.420166 -0.279805
2       3.011155  0.062529
3      -1.609004  0.759954

或

---

我得到了

keyrerror:“多索引切片要求索引是完全lexsorted元组len（2），lexsorted depth（0）”

def cstm(s):
  return s.pct_change()

new = pd.concat(
    [df.xs('price', 1, 1).apply(cstm)],
    axis=1, keys=['new']
).swaplevel(0, 1, 1)

df.join(new).sort_index(1)

ticker      AAPL                            MS                    
field        new     price    volume       new     price    volume
0            NaN -0.855145  0.635594       NaN -0.861210 -0.319607
1       1.064928 -1.765813  1.696533  1.306863 -1.986693 -0.526885
2      -0.211991 -1.391477 -2.016119 -0.922211 -0.154544 -1.152361
3      -1.103335  0.143788 -0.050672 -5.022430  0.621641 -0.109499

def cstm(s):
  return s.pct_change()

df.stack(0).assign(
    new=lambda d: d.groupby('ticker').price.apply(cstm)
).unstack().swaplevel(0, 1, 1).sort_index(1)