Python 使用多索引应用

我有一个大数据框作为输入，如下所示：

index type price1 price2
3000   C    300   600
3000   P    500   500
3500   C    300   400
3500   P    400   200
4500   P    100   350

我想做一些计算，得到基于微分的fw1的最小值和fw2的最大值。 现在我执行以下操作，但需要几秒钟：

#创建数据帧
数据={'type'：['C'，'P'，'C'，'P'，'C'，'C']，
“价格1”：[6,4,3,2,5,6]，
‘价格2’：[1,2,3,4,5,6.]}
df=pd.DataFrame（数据，索引=[3000.]。，
3000.,
3500.,
3500.,
4000.,
5000.])
k_c=np.unique（df.index[（df['type']='c'））
k_p=np.unique（df.index[（df['type']='p'））
公共k=np.intersect1d（k_c，k_p）
fw1=np.array（[k+df['price1'].values[（df['type']='C'）和（df.index==k）]/2
-df['price2'].值[（df['type']='P'）&（df.index==k）]/2
对于公共的k（k]）
fw2=np.array（[k+df['price2'].values[（df['type']='C'）和（df.index==k）]/2
-df['price1'].值[（df['type']='P'）&（df.index==k）]/2
对于公共的k（k]）
max_fw=max（fw1）
min_fw=min（fw2）

我试着使用一个透视图。应用，但不可能使它与多索引一起工作。结果pivot看起来不错，但我找不到一种方法来使用.apply计算max（fw1）min（fw2）

fwd\u fast=(
df.reset_index（）
.pivot（index='index'，columns='type'，value=['price1'，'price2']）
.dropna（）
)
#不起作用
快速应用(
lambda行：pd.系列（[row.index+row[（'C'，'price1'）]/2-row[（'P'，'price2'）]/2]，index=['fw1']），
轴=1，结果（类型=展开）

试试：

解释：

在您的代码中有两个关键错误，即：

您正在使用

（'C'，'price1'）

和

（'P'，'price2'）

而不是

（'price1'，'C'）

和

（'price2'，'P'）

您通过

row.index

而不是

row.name

错误地访问索引值

注意：您还可以通过简单地执行以下操作来降低

apply（）

方法的成本：

out=(fwd_fast.index+fwd_fast[('price1','C')]/2-fwd_fast[('price2','P')] / 2).to_frame('fw1')

输出的输出

：

        fw1
index   
3000.0  3002.0
3500.0  3499.5

        fw1
index   
3000.0  3002.0
3500.0  3499.5