Question

是否可以通过多索引级别之一对多索引（2级）pandas数据帧进行分组？

我知道这样做的唯一方法是在multiindex上reset_index，然后再次设置索引。我相信有更好的方法可以做到，我想知道如何做。

Answer 1

是的，使用level参数。看看here。例如：

In [26]: s

first  second  third
bar    doo     one      0.404705
               two      0.577046
baz    bee     one     -1.715002
               two     -1.039268
foo    bop     one     -0.370647
               two     -1.157892
qux    bop     one     -1.344312
               two      0.844885
dtype: float64

In [27]: s.groupby(level=['first','second']).sum()

first  second
bar    doo       0.981751
baz    bee      -2.754270
foo    bop      -1.528539
qux    bop      -0.499427
dtype: float64

Answer 2

在最新版本的 Pandas 中，您可以按类似于列的多索引级别名称进行分组（即没有 level 关键字），从而允许您同时使用两者。

>>> import pandas as pd
>>> pd.__version__
'1.0.5'
>>> df = pd.DataFrame({
...     'first': ['a', 'a', 'a', 'b', 'b', 'b'],
...     'second': ['x', 'y', 'x', 'z', 'y', 'z'],
...     'column': ['k', 'k', 'l', 'l', 'm', 'n'],
...     'data': [0, 1, 2, 3, 4, 5],
... }).set_index(['first', 'second'])
>>> df.groupby('first').sum()
       data
first      
a         3
b        12
>>> df.groupby(['second', 'column']).sum()
               data
second column      
x      k          0
       l          2
y      k          1
       m          4
z      l          3
       n          5

您groupby 的列和索引级别名称必须是唯一的。如果您有同名的列和索引级别，则在尝试 ValueError 时会得到 groupby。

Answer 3

如果已经有多个索引可用，则只需使用位置编号即可代替列名称：

df = df.groupby(level=[0,1]).size()

组多索引熊猫数据帧

3 个答案: