我的df包含多索引列。我的所有值都在float中,我希望将值与第一级多索引合并。请参阅下面的详细信息。
first bar baz foo
second one two one two one
A 0.895717 0.805244 1.206412 2.565646 1.431256
B 0.410835 0.813850 0.132003 0.827317 0.076467
C 1.413681 1.607920 1.024180 0.569605 0.875906
first bar baz foo
A (0.895717+0.805244) (1.206412+2.565646) 1.431256
B (0.410835+0.813850) (0.132003+0.827317) 0.076467
C (1.413681+1.607920) (1.024180+0.569605) 0.875906
实际上添加了这些值(我只是觉得不喜欢这样做:))。底线是我只想升级(我猜的更高级别)并在索引中添加所有值。请让我知道这样做的好方法。谢谢!
答案 0 :(得分:4)
我相信你正沿着第一轴寻找groupby
。
df.groupby(level=0, axis=1).sum()
或(更简洁),
df.sum(level=0, axis=1)
level
的{{1}}参数意味着分组。
sum
性能方面,上面列出的两种方法之间几乎没有任何区别(后者更快一些)。
答案 1 :(得分:0)
请记住,df.sum(level, axis)
仅在将列设置为多索引时才有效。例子
D = {'one': range(6),
'two': range(1,7),
'CAT1': 'A A A A A A'.split(),
'CAT2': 'B B B C C C'.split(),
'CAT3': 'D D E E F F'.split()}
df = pd.DataFrame(D)
df = df.set_index('CAT1 CAT2 CAT3'.split())
df
one two
CAT1 CAT2 CAT3
A B D 0 1
D 1 2
E 2 3
C E 3 4
F 4 5
F 5 6
如果您的数据采用这种格式,则必须使用df.groupby(level=n).sum(axis=1)
df.groupby(level = 0).sum(axis=1)
one two
CAT1
A 15 21
df.groupby(level = 1).sum(axis=1)
one two
CAT2
B 3 6
C 12 15
df.groupby(level = 2).sum(axis=1)
one two
CAT3
D 1 3
E 5 7
F 9 11
如果您尝试跳过groupby
,
df.sum(level = 1, axis=1)
ValueError: level > 0 or level < -1 only valid with MultiIndex
这是一个有趣的错误,
df.index
MultiIndex(levels=[[u'A'], [u'B', u'C'], [u'D', u'E', u'F']],
labels=[[0, 0, 0, 0, 0, 0], [0, 0, 0, 1, 1, 1], [0, 0, 1, 1, 2, 2]],
names=[u'CAT1', u'CAT2', u'CAT3'])