Question

我有一个带有多索引列的数据框，如下所示，我要为每个用户以及m1和m2做的事，我需要获取今天的值+昨天的0.25 *值。 / p>

               m1              m2  
day           yesterday today yesterday today
user                                      
id1           5         6     7         8
id2           3         4     9         10

我尝试了以下操作，但是在所有“今天”列中都获得了NA值：

df.iloc[:, df.columns.get_level_values(1)=='today'] = 
df.iloc[:, df.columns.get_level_values(1)=='yesterday'] *0.25 +
 df.iloc[:, df.columns.get_level_values(1)=='today']

我在其他stackoverflow帖子上的搜索使我找到了按级别= 0进行分组的可能答案，但是我不知道如何从那里进行分组以及如何将函数应用于分组依据。也许这不是解决此问题的正确方法？

df.groupby(level=0, axis=1).apply(...)

首先，我需要了解的是：

               m1                      m2  
day           yesterday today          yesterday today
user                                      
id1               5     6+0.25*5       7         8+0.25*7
id2               3     4+0.25*3       9         10+0.25*9

最终，我需要到达：


user           m1              m2             
id1            6+0.25*5        8+0.25*7
id2            4+0.25*3        10+0.25*9

p.s。这是我第一次在StackOverflow上提问，我已经尽力了！但请告诉我是否需要修改我的问题以遵循准则。谢谢！

Answer 1

使用DataFrame.xs进行选择，因此可以将DataFrame与多个常量一起添加。

该功能的优势已从最高级别（默认值drop_level=True）中删除-因此在输出MultiIndex中不使用任何DataFrame。

print (df.xs('today', axis=1, level=1))
     m1  m2
id1   6   8
id2   4  10

print (df.xs('yesterday', axis=1, level=1))
     m1  m2
id1   5   7
id2   3   9

df1 = df.xs('today', axis=1, level=1) + 0.25 *df.xs('yesterday', axis=1, level=1)
print (df1)
       m1     m2
id1  7.25   9.75
id2  4.75  12.25

Answer 2

找到了！！

def func(df):
    df.columns = df.columns.droplevel()
    return(df['today']+0.25*df['yesterday'])

然后：

df.groupby(level=0, axis=1).apply(func)

如何应用到具有多索引列的数据框中的一组列

2 个答案: