Python 基于复杂条件对数据帧中的行进行分组

我有一个基本的数据框架，结构如下：

             Col1
Ind1 Ind2
0    key1    12
     key2    35
1    key3    56
     key4    24
     key5    65

    ColA
0   key1
1   else
2   else
3   key3

…还有一个像这样的：

             Col1
Ind1 Ind2
0    key1    12
     key2    35
1    key3    56
     key4    24
     key5    65

    ColA
0   key1
1   else
2   else
3   key3

我需要的是df1的平均值，根据Ind2是否在df2中分组。 这就是我所尝试的，但没有成功；信息是“长度必须匹配才能比较”——但当然，它们不是

df1 = pd.DataFrame({'ind1': [0, 0, 1, 1, 1], 'ind2': ['key1', 'key2', 'key3', 'key4', 'key5'], 'col1': [12, 35, 56, 24, 65]}, )
df1.set_index(['ind1', 'ind2'], inplace=True)
df2 = pd.DataFrame({'ColA': ['key1', 'else', 'else', 'key3']})

print (df1.groupby(df1.index.levels[1] in df2.get_values()).mean())

---

提前感谢您的任何提示

您实际上想要检查

df1.index.levels[1]

的元素是否在

df2.ColA

中（因为您需要为每一行指定一个值）。你写的语法不会让你明白这一点。相反，你应该试试看

df1.groupby(df1.index.levels[1].isin(df2.ColA)).mean()

请注意

isin

函数，它为每个元素返回

True

/

False

，以及我直接引用

df2.ColA

，因为它是包含值的列（相反，引用

df2

将在

df2

的列名中搜索值）