使用apply减少多索引pandas数据帧的维度

Question

我有以下数据框：

df = pd.DataFrame({('psl', 't1'): {'fiat': 36.389809173765507,
  'mazda': 18.139242981049016,
  'opel': 0.97626485600703961,
  'toyota': 74.464422292108878},
 ('psl', 't2'): {'fiat': 35.423004380643462,
  'mazda': 24.269803148695079,
  'opel': 1.0170540474994665,
  'toyota': 60.389948228586832},
 ('psv', 't1'): {'fiat': 35.836800462163097,
  'mazda': 15.893295606055901,
  'opel': 0.78744853046848606,
  'toyota': 74.054850828062271},
 ('psv', 't2'): {'fiat': 34.379812557124815,
  'mazda': 23.202587247335682,
  'opel': 0.80191294532382451,
  'toyota': 58.735083244244322}})

看起来像这样：

我希望将它从多索引减少到正常索引。我希望通过使用t1和t2值应用函数并仅返回单个值来实现此目的，这将导致存在两列：psl和psv。

我成功地将其分组并应用了一个函数：

df.groupby(level=0, axis=1).agg(np.mean) 

这非常接近我想要的，除了我不想申请np.mean，而是自定义功能。特别是百分比变化函数。

我的最终目标是能够做到这样的事情：

df.groupby(level=0, axis=1).apply(lambda t1, t2: (t2-t1)/t1)

返回此错误：

TypeError: <lambda>() missing 1 required positional argument: 't2'

我也试过这个：

df.apply(lambda x: x[x.name].apply(lambda x: x['t1']/x['t2']))

反过来又返回：

KeyError: (('psl', 't1'), 'occurred at index (psl, t1)')

请您尽可能详尽地解释您答案的每个部分，以便我更好地了解熊猫的工作原理。

Answer 1

不容易。对Series squeeze使用自定义函数，在列中选择MultiIndex使用xs：

def f(x):
    t2 = x.xs('t2', axis=1, level=1)
    t1 = x.xs('t1', axis=1, level=1)
    a = (t2-t1)/t1
    #print (a)
    return (a.squeeze())

df1 = df.groupby(level=0, axis=1).agg(f) 
print (df1)
             psl       psv
fiat   -0.026568 -0.040656
mazda   0.337972  0.459898
opel    0.041781  0.018369
toyota -0.189009 -0.206871

使用lambda函数是可能的，但重复代码真的很糟糕：

df1 = df.groupby(level=0, axis=1)
        .agg(lambda x: ((x.xs('t2', axis=1, level=1)-x.xs('t1', axis=1, level=1))/
                                 x.xs('t1', axis=1, level=1)).squeeze())