Python 填充多索引系列

我有一个装满数据的熊猫数据框

import pandas as pd
import numpy as np

varNames = ["point1","point2","point3","point4","point5"]
df = pd.DataFrame(np.random.randn(5,2),index=varNames,columns=["data1","data2"])

我想创建一个系列，其中包含一个由此创建的多索引。我可以做的索引是：

iterables=[["point1","point2","point3"],["point4","point5"]]
index=pd.MultiIndex.from_product(iterables, names=['numerator', 'denominator'])

但是我不知道如何填写这个系列。我在找像这样的东西

s = pd.Series(max(df.loc[index["numerator"]]/df.loc[index["denominator"]]),index=index)

我想把第一个数据框中列为分子的每一行，除以第一个数据框中列为分母的每一行，从结果行中找到最大值，并将其存储在序列中的相关位置（s[variableN，variableM]）

这是我第一次使用这个多索引的东西，除了逐行遍历序列，计算出值并存储它，类似的（我想，我想我还不能完全理解这一点），我不知道怎么做

您可以使用参数

级别
和
最大值
：

df3 = df.reindex(index, level=0).div(df.reindex(index, level=1)).max(level=0)

样本：

np.random.seed(456)
varNames = ["point1","point2","point3","point4","point5"]
df = pd.DataFrame(np.random.randn(5,2),index=varNames,columns=["data1","data2"])
print (df)
           data1     data2
point1 -0.668129 -0.498210
point2  0.618576  0.568692
point3  1.350509  1.629589
point4  0.301966  0.449483
point5 -0.345811 -0.315231

iterables=[["point1","point2","point3"],["point4","point5"]]
index=pd.MultiIndex.from_product(iterables, names=['numerator', 'denominator'])



您可以将参数
级别
与
最大值
一起使用：

df3 = df.reindex(index, level=0).div(df.reindex(index, level=1)).max(level=0)

样本：

np.random.seed(456)
varNames = ["point1","point2","point3","point4","point5"]
df = pd.DataFrame(np.random.randn(5,2),index=varNames,columns=["data1","data2"])
print (df)
           data1     data2
point1 -0.668129 -0.498210
point2  0.618576  0.568692
point3  1.350509  1.629589
point4  0.301966  0.449483
point5 -0.345811 -0.315231

iterables=[["point1","point2","point3"],["point4","point5"]]
index=pd.MultiIndex.from_product(iterables, names=['numerator', 'denominator'])



那个几乎奏效了。返回仅由分子索引的数据帧。我要找的是一个分子/分母组合的多重索引。这很好用，谢谢。现在我需要做的就是弄清楚发生了什么：）那。。。几乎奏效了。返回仅由分子索引的数据帧。我要找的是一个分子/分母组合的多重索引。这很好用，谢谢。现在我需要做的就是弄清楚发生了什么：）