Python 对多索引数据帧上的重复行求和

你好，我和熊猫打交道有困难。我试图对多索引数据帧上的重复行求和。 我尝试了

df.groupby（level=[0,1]）.sum（）

，也尝试了

df.stack（）.reset\u index（）.groupby（['year'，'product']）.sum（）

和其他一些，但我无法让它工作。 我还想为每一年添加每一种独特的产品，如果没有列出，则给它们一个0值

示例：具有多索引和3种不同产品（A、B、C）的数据帧：

预期产出：如果给定年份存在重复产品，则我们将其相加。 如果其中一种产品一年内未上市，我们将创建一个充满0的新行

                  volume1     volume2
year   product
2010   A          17          15
       B          7           7
       C          0           0
2011   A          10          10
       B          7           6
       C          5           5

有什么想法吗？谢谢

与和一起使用

sum

：

备选方案包括：

备选方案1，谢谢@Wen：

df = df.sum(level=[0,1]).unstack().stack(dropna=False) 

---

---

您可以将索引的第二级设置为

CategoricalIndex

，当您使用

groupby

时，它将包括所有类别

df.index.set_levels(pd.CategoricalIndex(df.index.levels[1]), 1, inplace=True)
df.groupby(level=[0, 1]).sum().fillna(0, downcast='infer')

              volume1  volume2
year product                  
2010 A             17       15
     B              7        7
     C              0        0
2011 A             10       10
     B              7        6
     C              5        5

---

也许您可以添加df.sum（level=[0,1]）.unstack（）.stack（dropna=False）这个答案非常完美。非常微妙的一点是，

mux

也可以在

sum

之前创建。这意味着相同的解决方案可以通过

df.sum（level=[0,1]）.reindex（pd.MultiIndex.from_product（df.index.levels，names=df.index.names），fill_value=0）很容易地进行流水线处理。

df = df.sum(level=[0,1])
#same as
#df = df.groupby(level=[0,1]).sum()
mux = pd.MultiIndex.from_product(df.index.levels, names = df.index.names)
df = df.reindex(mux, fill_value=0)

df = df.sum(level=[0,1]).unstack().stack(dropna=False) 

print (df)
              volume1  volume2
year product                  
2010 A             17       15
     B              7        7
     C              0        0
2011 A             10       10
     B              7        6
     C              5        5

df.index.set_levels(pd.CategoricalIndex(df.index.levels[1]), 1, inplace=True)
df.groupby(level=[0, 1]).sum().fillna(0, downcast='infer')

              volume1  volume2
year product                  
2010 A             17       15
     B              7        7
     C              0        0
2011 A             10       10
     B              7        6
     C              5        5