我的数据分析反复出现在一个简单但不确定的主题上,即#34;除了"之外的所有内容。采用这个多索引示例df
:
accuracy velocity
name condition trial
john a 1 -1.403105 0.419850
2 -0.879487 0.141615
b 1 0.880945 1.951347
2 0.103741 0.015548
hans a 1 1.425816 2.556959
2 -0.117703 0.595807
b 1 -1.136137 0.001417
2 0.082444 -1.184703
例如,我现在要做的是对所有可用试验进行平均,同时保留有关名称和条件的信息。这很容易实现:
average = df.groupby(level=('name', 'condition')).mean()
然而,在现实条件下,多索引中存储的元数据要多得多。该指数每行容易跨越8-10列。所以上面的模式变得非常笨拙。最终,我正在寻找一个"丢弃"操作;我想执行抛出或减少单个索引列的操作。在上面的例子中,该试用号码。
我应该咬紧牙关还是有更惯用的方法来解决这个问题?这可能是反模式!我想建立一个体面的直觉,当涉及到真正的熊猫方式" ...提前致谢。
答案 0 :(得分:7)
您可以为此定义一个辅助函数:
def allbut(*names):
names = set(names)
return [item for item in levels if item not in names]
演示:
import pandas as pd
levels = ('name', 'condition', 'trial')
names = ('john', 'hans')
conditions = list('ab')
trials = range(1, 3)
idx = pd.MultiIndex.from_product(
[names, conditions, trials], names=levels)
df = pd.DataFrame(np.random.randn(len(idx), 2),
index=idx, columns=('accuracy', 'velocity'))
def allbut(*names):
names = set(names)
return [item for item in levels if item not in names]
In [40]: df.groupby(level=allbut('condition')).mean()
Out[40]:
accuracy velocity
trial name
1 hans 0.086303 0.131395
john 0.454824 -0.259495
2 hans -0.234961 -0.626495
john 0.614730 -0.144183
您也可以删除多个级别:
In [53]: df.groupby(level=allbut('name', 'trial')).mean()
Out[53]:
accuracy velocity
condition
a -0.597178 -0.370377
b -0.126996 -0.037003