python - 在二级索引中应用新行

Question

我有一个看起来像这样的数据框：

+-----------+---------+-------+-------+-------+
|           |         | Day 1 | Day 2 | Day 3 |
+-----------+---------+-------+-------+-------+
| Product 1 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
| Product 2 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
| Product 3 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
+-----------+---------+-------+-------+-------+

本质上是垂直的两级索引。第一层是产品，第二层是收入或成本。

我想在收入和成本（简称收入 - 成本）下的所有产品中添加一个利润行。甚至是该产品的平均收入等。但是，经过大量的应用实验后，我似乎无法让它与多层次一起使用。

Product 1 Revenue    0
          Cost       0
          Profit     0

这怎么可能实现？

标签： pythonpandasnumpypandas-groupbypandas-apply

Answer 1

它确实取决于您想要执行此操作的次数以及当前其他值的存储方式。

如果您希望只为上述每一项添加少量利润，您可以使用此方法。但是，这种方法使用ix的是要弃用的（我相信）。因此，我建议使用at,

df = pd.DataFrame({('A', 'b'): [1, 2, 3], ('A', 'a'): [7, 2, 9]}).T
df.at[('B', 'a'), :] = [1, 4, 5]

Out[1]:     
                0    1   2
         A  b   1    2   3
            a   7    2   9
         B  a   1    4   5

如果您的利润信息存储在另一个 DataFrame 中，那么它最容易使用concat，就像这样，

df = pd.DataFrame({('A', 'b'): [1, 2, 3], ('A', 'a'): [7, 2, 9]}).T
df2 = pd.DataFrame({('B', 'a'): [1, 4, 5]}).T

pd.concat([df, df2])

Out[1]: 
        0   1   2
A   b   1   2   3
    a   7   2   9
B   a   1   4   5