Question

我目前正在尝试使用Pandas MultiIndex属性。我正在尝试以智能方式基于其列对现有DataFrame对象df_original进行分组，因此考虑使用MultiIndex。

print df_original =

       by_currency   by_portfolio    A  B  C
1        AUD          a              1  2  3
2        AUD          b              4  5  6
3        AUD          c              7  8  9
4        AUD          d              10 11 12
5        CHF          a              13 14 15 
6        CHF          b              16 17 18
7        CHF          c              19 20 21
8        CHF          d              22 23 24

现在，我想要的是一个MultiIndex DataFrame对象，其中A, B和C以及by_portfolio作为索引。看起来像

              CHF     AUD
A       a     13      1
        b     16      4   
        c     19      7
        d     22      10
B       a     14      2
        b     17      5
        c     20      8
        d     23      11
C       a     15      3
        b     18      6
        c     21      9
        d     24      12

我尝试将df_original中的所有列和搜索到的索引放入列表对象，并从那里创建一个新的DataFrame。这看起来有点麻烦，我无法弄清楚如何添加实际值。

也许某种groupby更适合这个目的？我需要能够将这些数据添加到另一个类似的DataFrame中，因此我需要将生成的DataFrame稍后添加到另一个DataFrame中。

由于

Answer 1

您可以结合使用stack和unstack：

In [50]: df.set_index(['by_currency', 'by_portfolio']).stack().unstack(0)
Out[50]:
by_currency     AUD  CHF
by_portfolio
a            A    1   13
             B    2   14
             C    3   15
b            A    4   16
             B    5   17
             C    6   18
c            A    7   19
             B    8   20
             C    9   21
d            A   10   22
             B   11   23
             C   12   24

要获得所需的结果，我们只需要交换索引的级别：

In [51]: df2 = df.set_index(['by_currency', 'by_portfolio']).stack().unstack(0)

In [52]: df2.columns.name = None

In [53]: df2.index = df2.index.swaplevel(0,1)

In [55]: df2 = df2.sort_index()

In [56]: df2
Out[56]:
                AUD  CHF
  by_portfolio
A a               1   13
  b               4   16
  c               7   19
  d              10   22
B a               2   14
  b               5   17
  c               8   20
  d              11   23
C a               3   15
  b               6   18
  c               9   21
  d              12   24

DataFrame上的多索引和Pandas中的和

1 个答案: