Python 熊猫：如何按多索引分组和求和

我有一个带有分类属性的数据框架，其中索引包含重复项。我试图找到索引和属性的每个可能组合的总和

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack()
print(y)
print(y.groupby(level=[0,1]).sum())

输出

11  x    1
    y    3
    x    1
    y    3
12  x    3
    y    5
    x    3
    y    5
dtype: int64
11  x    1
    y    3
    x    1
    y    3
12  x    3
    y    5
    x    3
    y    5
dtype: int64

堆栈和group by sum完全相同

然而，我期待的是

11  x    2
11  y    6
12  x    6
12  y    10

编辑2：

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack().groupby(level=[0,1]).sum()
print(y.groupby(level=[0,1]).sum())

输出：

11  x    1
    y    3
    x    1
    y    3
12  x    3
    y    5
    x    3
    y    5
dtype: int64

编辑3： 已记录一个问题

---

使用Pandas 0.15.2，您只需再进行一次groupby迭代即可

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack().groupby(level=[0,1]).sum()
print(y.groupby(level=[0,1]).sum())

印刷品

11  x     2
    y     6
12  x     6
    y    10

---

使用pandas 0.16.2和Python 3，我能够通过以下方式获得正确的结果：

x.stack().reset_index().groupby(['level_0','level_1']).sum()

产生：

                    0
level_0 level_1 
     11       x     2
              y     6
     12       x     6
              y     10

然后，您可以使用

reindex（）

和

列

将索引和列名更改为更理想的名称

根据我的研究，我同意最初方法的失败似乎是一个bug。我认为bug出现在

系列

，这就是

x.stack（）

产生的。我的解决方法是通过

reset\u index（）

将

系列

转换为

数据帧

。在这种情况下，

DataFrame

不再有

MultiIndex

——我只是在标记的列上分组

要确保分组和求和在具有多索引的

数据帧

上有效，您可以尝试以下操作以获得相同的正确输出：

x.stack().reset_index().set_index(['level_0','level_1'],drop=True).\
groupby(level=[0,1]).sum()

这两种解决方法中的任何一种都应该解决问题，直到bug得到解决

我想知道这个bug是否与在

系列

上创建的

多索引

实例与

数据帧

有关。例如：

In[1]: obj = x.stack()
       type(obj)
Out[1]: pandas.core.series.Series

In[2]: obj.index
Out[2]: MultiIndex(levels=[[11, 11, 12, 12], ['x', 'y']],
           labels=[[0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 0, 1, 0, 1, 0, 1]])

vs

---

请注意，

DataFrame

上的

MultiIndex

如何更准确地描述级别。

sum

允许您指定要在多索引数据帧中求和的级别

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack()

y.sum(level=[0,1])

11  x     2
    y     6
12  x     6
    y    10

---

你在看什么版本的熊猫？我使用的是0.16.2和python 3。对于相同的代码，我得到了不同的输出。检查问题中的edit2。。。我在0.15.2上-也是python3。太好了，我们发现了一个bug！！但我仍然不明白为什么会有更多的团员。如果你只检查stack（）输出，它与第一组输出相同。你是一个真正的英雄。。这是非常详细和有益的。非常感谢您的帮助！你是英雄，因为你归档了错误。我刚刚检查了它的状态，看起来它是0.17.0版本的确认和目标。他们甚至发布了一个类似于我的解决方法：-）无论如何，谢谢你发布它并接受我的回答。

x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack()

y.sum(level=[0,1])

11  x     2
    y     6
12  x     6
    y    10