通过迭代将列添加到MultiIndex数据帧

Question

我有一个MultiIndex问题。我使用第三方软件包，以MultiIndex格式提供股票价格和市盈率。我试图做的是为每个股票代码迭代添加两个新列，计算PE比率的平均值和标准值。

可以使用以下代码复制粗略数据结构：

arrays = [['GOOGL US Equity','GOOGL US Equity','IBM US Equity','IBM US Equity'],['LAST_PRICE','BEST_PE_RATIO']*2]
columns = pd.MultiIndex.from_arrays(arrays, names=['ticker','field'])

df = pd.DataFrame(np.random.randn(4,4), 
                  columns=columns, 
                  index=pd.date_range('20160103',periods=4))

输出类似于以下内容：

我已尝试使用下面的代码临时执行此操作，但仍然会收到一些关键词和“切片”。错误...

df['GOOGL US Equity']['1 STD DEV'] = df['GOOGL US Equity']['BEST_PE_RATIO'].std()

是否有更多的pythonic解决方案可以创建新的所需列并通过代码进行迭代？

Answer 1

通过链式索引将值设置为dataframe时，有时会失败并且结果很难预测。见：Returning a view versus a copy in Pandas。我认为df[('GOOGL US Equity','1 STD DEV')] = df['GOOGL US Equity']['BEST_PE_RATIO'].std()是解决方案。

如果你有很多代码，那么就这样做：

for ticker in df.columns.levels[0]:
    df[(ticker, '1 STD DEV')] = df[ticker]['BEST_PE_RATIO'].std()

此外，如果您想使用列，请使用df.sort_index(axis=1)。