Question

我需要在MultiIndex DataFrame上进行.expanding计算。但我需要它反过来运行。这是一个示例DataFrame：

np.random.seed(456)
j = [(a, b) for a in ['A','B','C'] for b in pd.date_range('2018-01-01', periods=5, freq='W')]
i = pd.MultiIndex.from_tuples(j, names=['Name','Num'])
df = pd.DataFrame(np.random.randn(15), i, columns=['Vals'])
df.loc[df['Vals'] < 0] = np.nan

以下是我想为每个0级索引值做的事情的示例：

k = df.loc['A']
k['Missing'] = k[::-1].isnull().expanding().sum() # Expanding-sum on reversed level-1

这会为该顶级值'A'生成正确的结果：

                Vals  Missing
Num                          
2018-01-07       NaN      2.0
2018-01-14       NaN      1.0
2018-01-21  0.618576      0.0
2018-01-28  0.568692      0.0
2018-02-04  1.350509      0.0

但是如何将其应用于所有顶级索引值，以便我可以设置df['Missing'] =？

我正在尝试使用df.groupby('Name')[::-1].isnull().expanding().sum()形式的内容...但我无法获得一个函数形式，允许在计算时反转第一级索引。

这是做什么的熊猫表达？

Answer 1

知道了：在分组之后，我们必须在处理内部集合之前从MultiIndex中剥离顶层：

df['Missing'] = df.groupby('Name').apply(
        lambda x: x.reset_index(level=0, drop=True)[::-1].isnull().expanding().sum()
    )

即我们groupby('Name')，然后对于每个组，lambda表达式通过.reset_index(level=0, drop=True)剥离level-0索引，此时我们可以以相反的顺序使用剩余的DataFrame：{{1} }。

将pandas窗口函数应用于反向MultiIndex级别？

1 个答案: