Question

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＆＃34;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＆＃34;丢弃＆＃34;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＆＃34; ...提前致谢。

Answer 1

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

除了pandas中的一个索引列以外的所有内容进行分组

1 个答案: