Python 使用*不*在groupby中分组的标签

我已经写了一个代码，它计算的和如下

\sum_i a_{i,j}

（读为“i的所有值的总和a”） 通过为每个组合

i，j

创建一个

pd.Dataframe

，然后使用groupby执行求和

考虑一个最小的例子

import pandas as pd
from pandas import Series, DataFrame
import numpy as np

arrays = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']), 
          np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'])]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['i', 'j'])

df = pd.DataFrame(np.random.randn(8, 3), index=index, columns=['A', 'B', 'C'])

借来的

总而言之，我能做什么

df.groupby(level=['j']).sum()

或同等地

df.sum(level=['j'])

这是可行的，但我不喜欢它有两个原因：

这是不可扩展的。每当我有一个新的“静默”索引时，我需要修改代码中不同位置的所有sum

我觉得很难理解。在我的例子中，

i

和

j

有一个明确的含义，因此我想把我的总结写清楚，以得到自我记录的代码

我能做的就是

i = [x for x in df.index.names if x != 'first']
df.sum(level=i)

虽然这解决了第一个问题，但我认为代码没有变得更清晰

我有更好的熊猫功能或更适合的（python）工具吗？

试试这个

df.groupby(df.index.droplevel('i')).sum() # groupby except index 'i'