Question

如何计算（例如）每个列的多索引DataFrame级别= 1的总和，并存储新的DataFrame，例如从this_to_that获取。

数据

T = ['t1','t2']
S = ['S1','S2']
K = ['earnings','costs']

multi_index = pd.MultiIndex.from_product([T,S])
input_df = pd.DataFrame(index = multi_index, columns = K)
input_df['earnings'] = (150.0,25.0,80.0,40.0)
input_df['costs'] = (150.0,12.5,36.36,22.72)

我的重叠方式

dc = dict()
for t in T:
    dc[t] = input_df.xs(t, level = 0, axis = 0).apply(sum, axis = 0)

dc_to_df = pd.concat(dc)
dc_to_df = pd.DataFrame(dc_to_df)
dc_to_df = dc_to_df.unstack(level=1)
dc_to_df.columns = dc_to_df.columns.droplevel(0)
desired_df = dc_to_df

Answer 1

这是你要找的吗？

input_df
       earnings   costs
t1 S1     150.0  150.00
   S2      25.0   12.50
t2 S1      80.0   36.36
   S2      40.0   22.72

input_df.groupby(level=0).sum()
    earnings   costs
t1     175.0  162.50
t2     120.0   59.08

您可以将上述输出分配给新的数据帧。

编辑：查看您的输出后，您实际上正在level=0进行分组。

函数的DataFrame调用特定的MultiIndex DataFrame级别

1 个答案: