python pandas 向 multi_index 数据框添加一个较低级别的列

Question

有人可以帮我完成这个任务吗？ 我通过 unstack() 操作在多级数据框中有数据:

Original df:
Density  Length  Range  Count
  15k    0.60  small    555
  15k    0.60    big     17
  15k    1.80  small    141
  15k    1.80    big     21
  15k    3.60  small    150
  15k    3.60    big     26
  20k    0.60  small   5543
  20k    0.60    big     22
  20k    1.80  small    553
  20k    1.80    big     25
  20k    3.60  small    422
  20k    3.60    big     35

df  = df.set_index(['Density','Length','Range']).unstack('Range')

# After unstack:
                  Count       
Range             big  small
Density Length              
15k     0.60       17    555
        1.80       21    141
        3.60       26    150
20k     0.60       22   5543
        1.80       25    553
        3.60       35    422

现在我尝试在级别 1 中添加一个额外的列。它是小/大的比率。我尝试了以下语法，没有错误，但结果不同

#df[:]['ratio']=df['Count']['small']/df['Count']['big'] ## case 1. no error, no ratio
#df['Count']['ratio']=df['Count']['small']/df['Count']['big'] ## case 2. no error, no ratio
#df['ratio']=df['Count']['small']/df['Count']['big'] ## case 3. no error, ratio on column level 0
df['ratio']=df.ix[:,1]/df.ix[:,0]                    ## case 4. no error, ratio on column level 0

#After execution above code, df:
                  Count         ratio
Range             big  small       
Density Length                     
15k     0.60       17    555  32.65
        1.80       21    141   6.71
        3.60       26    150   5.77
20k     0.60       22   5543 251.95
        1.80       25    553  22.12
        3.60       35    422  12.06

我不明白为什么案例 1 和案例 2 在添加新比率列时都没有显示错误。以及为什么在案例 3 和案例 4 中比率列位于 0 级，而不是预期的 1 级。还想知道是否有更好/简洁的方法来实现这一点。案例 4 是我能做的最好的，但我不喜欢隐式索引方式(而不是使用名称)来引用列。

谢谢

Answer 1

案例 1:

df[:]['ratio']=df['Count']['small']/df['Count']['big'] 

df[:] 是 df 的副本。它们是不同的对象，每个对象都有自己的基础数据副本:

In [69]: df[:] is df
Out[69]: False

所以修改副本对原来的df没有影响。由于没有引用 为df[:]维护，对象在赋值后被垃圾回收， 使分配无用。

---

案例 2:

df['Count']['ratio']=df['Count']['small']/df['Count']['big'] 

使用chain-indexing .进行分配时避免链式索引。该链接解释了为什么在左侧使用链索引的赋值可能不会影响 df。

如果你设置

pd.options.mode.chained_assignment = 'warn'

然后 Pandas 会警告您不要在作业中使用链式索引:

SettingWithCopyError: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy

---

案例 3:

df['ratio']=df['Count']['small']/df['Count']['big'] 

和案例4

df['ratio']=df.ix[:,1]/df.ix[:,0]

两者都有效，但使用它可以更有效地完成

df['ratio'] = df['Count','small']/df['Count','big']

这是一个微基准测试，显示使用 df[tuple_index] 比 链索引:

In [99]: %timeit df['Count']['small']
1000 loops, best of 3: 501 µs per loop

In [128]: %timeit df['Count','small']
100000 loops, best of 3: 8.91 µs per loop

---

如果你想让ratio成为1级标签，那么你必须告诉Pandas 0级标签是Count。您可以通过分配给 df['Count','ratio'] 来做到这一点:

In [96]: df['Count','ratio'] = df['Count']['small']/df['Count','big']

# In [97]: df
# Out[97]: 
#                Count                  
# Range            big small       ratio
# Density Length                        
# 15k     0.6       17   555   32.647059
#         1.8       21   141    6.714286
#         3.6       26   150    5.769231
# 20k     0.6       22  5543  251.954545
#         1.8       25   553   22.120000
#         3.6       35   422   12.057143