Python 在多索引数据帧中按级别对列求和
我的df有多个索引列。我所有的值都是浮动的,我想将值与多索引的第一级合并。详情请参见下文Python 在多索引数据帧中按级别对列求和,python,pandas,dataframe,multi-index,Python,Pandas,Dataframe,Multi Index,我的df有多个索引列。我所有的值都是浮动的,我想将值与多索引的第一级合并。详情请参见下文 first bar baz foo second one two one two one A 0.895717 0.805244 1.206412 2.565646 1.431256 B 0.410835 0.813
first bar baz foo
second one two one two one
A 0.895717 0.805244 1.206412 2.565646 1.431256
B 0.410835 0.813850 0.132003 0.827317 0.076467
C 1.413681 1.607920 1.024180 0.569605 0.875906
first bar baz foo
A (0.895717+0.805244) (1.206412+2.565646) 1.431256
B (0.410835+0.813850) (0.132003+0.827317) 0.076467
C (1.413681+1.607920) (1.024180+0.569605) 0.875906
这些值实际上是被添加的(我只是不想做这些:))。底线是我只想升级(我猜是更高的级别),然后在索引中添加所有值。请让我知道这样做的好方法。谢谢大家! 我相信您正在沿着第一个轴寻找一个
groupby
df.groupby(level=0, axis=1).sum()
或者(更简洁地说)
sum
的level
参数意味着分组
就性能而言,上述两种方法之间几乎没有什么区别(后者快了几个刻度)。请记住,
df.sum(level,axis)
只有在将列设置为多索引时才起作用。例如
D = {'one': range(6),
'two': range(1,7),
'CAT1': 'A A A A A A'.split(),
'CAT2': 'B B B C C C'.split(),
'CAT3': 'D D E E F F'.split()}
df = pd.DataFrame(D)
df = df.set_index('CAT1 CAT2 CAT3'.split())
df
one two
CAT1 CAT2 CAT3
A B D 0 1
D 1 2
E 2 3
C E 3 4
F 4 5
F 5 6
如果您的数据是这种形式,则必须使用df.groupby(level=n).sum(axis=1)
如果您尝试跳过groupby
df.sum(level = 1, axis=1)
ValueError: level > 0 or level < -1 only valid with MultiIndex
df.sum(axis=1,level='first')
也适用于OP案例,索引级别0有一个名称。@mins利用命名索引,这是一个很好的调用。谢谢
D = {'one': range(6),
'two': range(1,7),
'CAT1': 'A A A A A A'.split(),
'CAT2': 'B B B C C C'.split(),
'CAT3': 'D D E E F F'.split()}
df = pd.DataFrame(D)
df = df.set_index('CAT1 CAT2 CAT3'.split())
df
one two
CAT1 CAT2 CAT3
A B D 0 1
D 1 2
E 2 3
C E 3 4
F 4 5
F 5 6
df.groupby(level = 0).sum(axis=1)
one two
CAT1
A 15 21
df.groupby(level = 1).sum(axis=1)
one two
CAT2
B 3 6
C 12 15
df.groupby(level = 2).sum(axis=1)
one two
CAT3
D 1 3
E 5 7
F 9 11
df.sum(level = 1, axis=1)
ValueError: level > 0 or level < -1 only valid with MultiIndex
df.index
MultiIndex(levels=[[u'A'], [u'B', u'C'], [u'D', u'E', u'F']],
labels=[[0, 0, 0, 0, 0, 0], [0, 0, 0, 1, 1, 1], [0, 0, 1, 1, 2, 2]],
names=[u'CAT1', u'CAT2', u'CAT3'])