Question

我有一个多索引数据框，其中包含一些经济和社会指标此代码可以生成示例数据框

.avatarimg{
      width: auto;
      margin-left: 20px;
      display: inline-block;
  }

  .progress-container {
  position: relative;
  display: inline-block;

  }
  .progress-container progress {
  background-color: #eee;
  height: 20px;
  }

  .progress-container progress::-webkit-progress-bar {
  background-color: #eee;
  }

  .progress-container progress::-webkit-progress-value {
  background-color: red;
  }

  .progress-container .progress-label {
  position: absolute;
  top: 2px;
  margin: 0;
  left: 60px;
  font-size: 20px;
  font-family: Minecraft;
  }
  .op{
      width: auto;
      margin-left: 40px;
      display: inline-block;
      -webkit-animation: bounce ease-in 5;
animation: bounce ease-in 5;
-webkit-animation-duration: 20000ms;
animation-duration: 1000ms;
  }

  .progress-containermana {
  position: relative;
  display: inline-block;

  }
  .progress-containermana progress {
  background-color: #eee;
  height: 20px;
  }

  .progress-containermana progress::-webkit-progress-bar {
  background-color: #eee;
  }

  .progress-containermana progress::-webkit-progress-value {
  background-color: blue;
  }
  .progress-containermana .progress-label {
      position: absolute;
      top: 2px;
      margin: 0;
      left: 60px;
      font-size: 20px;
      font-family: Minecraft;
  }

以下是示例输出：

问题是数据框在数据框索引中包含许多类似拼写错误的键。例如，美国进入美国，美国，美国或美国等一次。我想根据包含可能名称的列表合并这些组，其中列的值合并（如果重复，则为平均值）并排序。

import pandas as pd
import numpy as np
arrays = [['USA', 'USA', 'Egypt', 'Egypt', 'U.S.A.', 'U.S.A.', 'ARE, eg', 'ARE, eg', 'United States', 'France', 'France', 'France'],
[1950, 1980,1980, 2010, 2010, 1990, 1960, 1990, 2015, 1980, 1995, 2010]]
tuples = list(zip(*arrays))
index2 = pd.MultiIndex.from_tuples(list(zip(*arrays)), names=['Country', 'Year'])
cols= ['ind1', 'ind2', 'ind3', 'ind4']
df = pd.DataFrame(np.random.randn(12, 4), index=index2, columns=cols)
df.iloc[1::4,0] = np.nan; df.iloc[2::4,1] = np.nan; df.iloc[::3,2] = np.nan; df.iloc[1::3,3] = np.nan

df

如何在这个多索引pandas数据框中有效地执行此合并？

Answer 1

IIUC，你可以这样做：

首先，让我们“反转”该字典，使其达到pd.dataframes中rename方法的适当格式。

rename_dict = {}
for k,v in dfnew_names.items():
    for item in v:
        rename_dict[item]=k

其次，让我们使用重新格式化的字典重命名数据框中的索引并进行排序。

df.rename(index=rename_dict).sort_index()

输出：

                  ind1      ind2      ind3      ind4
Country Year                                        
Egypt   1960  0.964161       NaN       NaN -0.909796
        1980 -0.568132       NaN -1.018460  2.295120
        1990  0.185795 -0.517331  1.276134       NaN
        2010  0.067946  0.895027       NaN  2.141615
France  1980       NaN  0.124058       NaN  1.377971
        1995 -2.153890       NaN  1.334341       NaN
        2010  0.019129  0.807188  0.804133 -0.698463
USA     1950 -0.023521  0.432706       NaN -0.701396
        1980       NaN  0.824445  1.027330       NaN
        1990       NaN  0.848902 -1.537311 -0.624271
        2010  0.641681 -0.504838 -1.383700       NaN
        2015  0.688233 -0.277385  2.036573 -0.821976

如果您使用多年，请更新groupby

df.rename(index=rename_dict).groupby(level=[0,1]).mean()

或者，您可以将mean与level参数一起使用（这是更好的方式）：

df.rename(index=rename_dict).mean(level=[0,1]).sort_index()

合并基于类似组/索引的多索引数据帧

1 个答案: