在groupby之后访问pandas中的分层列

Question

我使用pandas对数据集进行分组。当我汇总具有不同功能的不同列时，我得到了一个分层列结构。

G1 = df.groupby('date').agg({'col1': [sum, np.mean], 'col2': 'sum', 'col3': np.mean})

结果：

            col1               col2       col3
               sum      mean      sum       mean
date
2000-11-01    1701  1.384052    82336  54.222945
2000-11-02   11101  1.447894   761963  70.027260
2000-11-03   11285  1.479418   823355  77.984268

遗憾的是，我无法在文档中找到太多关于此结果的结构。我在pandas docs中找到的唯一的东西是分层多索引。

如何访问这些值？ 目前我执行：X['col1']['mean']访问整个Series

2000-11-01   1.384052   
2000-11-02   1.447894  
2000-11-03   1.479418  

因此X['col1']['mean'][1]获取值1.447894，但我不知道其性能，因为此代码首先切片col1（X [＆＃39; col1＆＃39;]）这导致一个视图/副本（在这种情况下为dunno）实际上包含2列，然后还有另一个mean - 列的切片。

任何提示？ 我在哪里可以找到有关在文档中创建分层列的更多信息？

Answer 1

建议是一次性完成这些操作（不进行链接），这尤其允许您进行分配（而不是分配给视图并且修改是垃圾回收）。

将MultiIndex *列作为元组访问：

In [11]: df[('col1', 'mean')]
Out[11]:
date
2000-11-01    1.384052
2000-11-02    1.447894
2000-11-03    1.479418
Name: (col1, mean), dtype: float64

和使用loc的特定值：

In [12]: df.loc['2000-11-01', ('col1', 'mean')]
Out[12]: 1.3840520000000001

（要混合标签，位置和位置，iloc，你必须使用ix）

In [13]: df.ix[0, ('col1', 'mean')]
Out[13]: 1.3840520000000001

* 是一个MultiIndex。