时间戳

首页 > 解决方案 > 如何应用于具有多索引列的数据框中的一组列

python - 如何应用于具有多索引列的数据框中的一组列

问题描述

我有一个带有多索引列的数据框，如下所示，我要做的是针对每个用户以及 m1 和 m2，我需要获取今天的值+0.25*昨天的值。

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

我尝试了以下方法，但我在所有“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']

我对其他stackoverflow帖子的搜索使我得到了按级别= 0分组的可能答案，但我不知道如何从那里开始以及如何将函数应用于分组结果。或者也许这不是解决这个问题的正确方法？

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

首先，我需要得到的是：

               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

ps 这是我第一次在 StackOverflow 上提问，我尽力了！但如果我需要修改我的问题以遵循指南，请告诉我。谢谢！

标签： pythonpandasmultiple-columnsaddmulti-index

解决方案

用于DataFrame.xs选择，因此可以将DataFrames 与多个常量相加。

功能的优势是移除了顶层（默认值drop_level=True） - 所以使用 no MultiIndexin output DataFrames。

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

推荐阅读