我有一个 DataFrame
使用 MultiIndex,例如:
In [1]: arrays = [['one','one','one','two','two','two'],[1,2,3,1,2,3]]
In [2]: df = DataFrame(randn(6,2),index=MultiIndex.from_tuples(zip(*arrays)),columns=['A','B'])
In [3]: df
Out [3]:
A B
one 1 -2.028736 -0.466668
2 -1.877478 0.179211
3 0.886038 0.679528
two 1 1.101735 0.169177
2 0.756676 -1.043739
3 1.189944 1.342415
现在我想计算每行(索引级别 0)和每列的元素 2 和 3(索引级别 1)的均值。所以我需要一个 DataFrame 看起来像
A B
one 1 mean(df['A'].ix['one'][1:3]) mean(df['B'].ix['one'][1:3])
two 1 mean(df['A'].ix['two'][1:3]) mean(df['B'].ix['two'][1:3])
如何在不使用原始数据帧的行(索引级别 0)上的循环的情况下执行此操作?如果我想对面板做同样的事情怎么办? groupby一定有一个简单的解决方案,但我还在学习中,想不出答案。
最佳答案
您可以使用 xs 函数来选择级别。
从...开始:
A B
one 1 -2.712137 -0.131805
2 -0.390227 -1.333230
3 0.047128 0.438284
two 1 0.055254 -1.434262
2 2.392265 -1.474072
3 -1.058256 -0.572943
然后,您可以使用以下方法创建一个新的数据框:
DataFrame({'one':df.xs('one',level=0)[1:3].apply(np.mean), 'two':df.xs('two',level=0)[1:3].apply(np.mean)}).transpose()
这给出了结果:
A B
one -0.171549 -0.447473
two 0.667005 -1.023508
要在不指定级别中的项目的情况下执行相同操作,您可以使用 groupby:
grouped = df.groupby(level=0)
d = {}
for g in grouped:
d[g[0]] = g[1][1:3].apply(np.mean)
DataFrame(d).transpose()
我不确定面板 - 它没有很好的记录,但应该有类似的东西
关于pandas - 使用 MultiIndex 从 Pandas 面板中选择数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11720334/