Python 如何在具有多索引的数据帧的单个级别上迭代和应用函数？

由于对my的响应，我现在有了一个我想要的多索引数据帧。现在我已经有了数据结构中的数据，我正试图把它拿出来，想知道是否有更好的方法来实现这一点。我的两个问题是相关的，但可能有不同的“理想”解决方案：

示例数据帧（已截断）

迭代

我希望能够在这个数据帧上循环，在这个数据帧上，迭代只会降低一个索引维度，即

iteritems

行为，它将返回

[（'iwgcw'，df['iwgcw']），（'iwgdw'，df['iwgdw']）]

，并产生两个带有提前期列的数据帧。我的强力解决方案是使用一个包装器例程，它基本上执行

[（key，df[key]for key in df.columns.levels[0]]

。有更好的方法吗

应用

---

我还想做一些事情，比如“从其他所有人中减去IWWGDW条目”来计算成对的差异。我试图做

df.apply（lambda f:f-df['IWGDW']）

但是得到一个

KeyError:（'IWWGDW'，'发生在索引2010-11-26 12:00:00'）

无论我使用的是

axis=1

还是

axis=0

。我尝试过使用上面提到的迭代解决方案重建一个新的数据帧，但我总是担心当我使用暴力时。有没有更“泛基本”的方法来进行这种计算？

我建议使用groupby进行迭代：

In [25]: for exp, group in df.groupby(level=0, axis=1):
   ....:     print exp, group
   ....:     
IWWGCW Experiment           IWWGCW       
Lead Time                24     48
2010-11-27 12:00:00   0.997  0.991
2010-11-28 12:00:00   0.998  0.987
2010-11-29 12:00:00   0.997  0.992
2010-11-30 12:00:00   0.997  0.987
2010-12-01 12:00:00   0.996  0.986
IWWGDW Experiment           IWWGDW       
Lead Time                24     48
2010-11-27 12:00:00   0.998  0.990
2010-11-28 12:00:00   0.997  0.990
2010-11-29 12:00:00   0.997  0.992
2010-11-30 12:00:00   0.997  0.987
2010-12-01 12:00:00   0.996  0.986

但是，我发现这并不会像您所寻找的那样降低顶层。理想情况下，您可以编写如下内容：

df.groupby（level=0，axis=1）.sub（df['iwgcw']）

让它进行成对减法，但由于

df['iwgcw']

降低了级别，列名不会对齐。尽管如此：

In [29]: df.groupby(level=0, axis=1).sub(df['IWWGCW'].values)
Out[29]: 
Experiment           IWWGCW      IWWGDW       
Lead Time                24  48      24     48
2010-11-27 12:00:00       0   0   0.001 -0.001
2010-11-28 12:00:00       0   0  -0.001  0.003
2010-11-29 12:00:00       0   0   0.000  0.000
2010-11-30 12:00:00       0   0   0.000  0.000
2010-12-01 12:00:00       0   0   0.000  0.000

---

我会再考虑一下。

我知道这是一个很老的问题，但是按照@WesMcKinney的回答，我发现在循环中最好的方法就是立即选择它，比如：

for exp, group in df.groupby(level=0, axis=1):
    print(group[exp])

Lead Time                24     48
2010-11-27 12:00:00   0.997  0.991
2010-11-28 12:00:00   0.998  0.987
2010-11-29 12:00:00   0.997  0.992
2010-11-30 12:00:00   0.997  0.987
2010-12-01 12:00:00   0.996  0.986

---

这将正确返回底层的

DataFrame

，

我只是编写了一个循环，还需要进一步考虑这个问题。@TimWhitcomb我正在尝试做类似的事情，将数据添加到多索引数据帧中。您在这方面有进一步的改进吗？

for exp, group in df.groupby(level=0, axis=1):
    print(group[exp])

Lead Time                24     48
2010-11-27 12:00:00   0.997  0.991
2010-11-28 12:00:00   0.998  0.987
2010-11-29 12:00:00   0.997  0.992
2010-11-30 12:00:00   0.997  0.987
2010-12-01 12:00:00   0.996  0.986