如何计算斜率并在多索引数据帧之间进行操作？答案

【问题标题】：how to calculate slop and do operations between multiindex dataframe?如何计算斜率并在多索引数据帧之间进行操作？
【发布时间】：2021-08-26 20:49:06
【问题描述】：

我有这个数据框

   Name  Op  A    B    C
   Ob1   L   1    2    3
         F   2    4    6 
   Ob2   L   4    5    6
         F   8    10  12

其中 Name y Op 是索引和子索引，但我必须在多索引行之间进行一些操作，例如，将它们相乘：Mult=L*F 并在新的子索引中显示答案，我期待这样：

   Name  Op  A    B    C
   Ob1   L   1    2    3
         F   2    4    6 
        Mult 2    8    18
   Ob2   L   4    5    6
         F   8    10   12 
        Mult 32   50   72

但我真的不知道如何开始。

【问题讨论】：

标签： python pandas dataframe indexing

【解决方案1】：

一种选择是采用一些横截面xs 进行操作：

mult_df = df.xs('L', 0, 'Op').mul(df.xs('F', 0, 'Op'))

mult_df:

       A   B   C
Name            
Ob1    2   8  18
Ob2   32  50  72

创建一个对齐的MultiIndex：

mult_df['Op'] = 'Mult'
mult_df = mult_df.set_index('Op', append=True)

mult_df:

            A   B   C
Name Op              
Ob1  Mult   2   8  18
Ob2  Mult  32  50  72

然后append 和sort_index：

new_df = df.append(mult_df).sort_index()

new_df:

            A   B   C
Name Op              
Ob1  F      2   4   6
     L      1   2   3
     Mult   2   8  18
Ob2  F      8  10  12
     L      4   5   6
     Mult  32  50  72

作为单行：

new_df = df.append(
    df.xs('L', 0, 'Op')
        .mul(df.xs('F', 0, 'Op'))
        .assign(Op='Mult')
        .set_index('Op', append=True)
).sort_index()

完整的工作示例：

import pandas as pd

df = pd.DataFrame({
    'Name': ['Ob1', 'Ob1', 'Ob2', 'Ob2'],
    'Op': ['L', 'F', 'L', 'F'],
    'A': [1, 2, 4, 8],
    'B': [2, 4, 5, 10],
    'C': [3, 6, 6, 12]
}).set_index(['Name', 'Op'])

new_df = df.append(
    df.xs('L', 0, 'Op')
        .mul(df.xs('F', 0, 'Op'))
        .assign(Op='Mult')
        .set_index('Op', append=True)
).sort_index()

print(new_df)

【讨论】：

【解决方案2】：

这是我的解决方案 - 有点晚了，但它也可能派上用场。

>>> data = [{'Name': 'Ob1', 'Op': 'L', 'A': 1, 'B': 2, 'C': 3},
 {'Name': 'Ob1', 'Op': 'F', 'A': 2, 'B': 4, 'C': 6},
 {'Name': 'Ob2', 'Op': 'L', 'A': 4, 'B': 5, 'C': 6},
 {'Name': 'Ob2', 'Op': 'F', 'A': 8, 'B': 10, 'C': 12}]

>>> df = pd.DataFrame.from_dict(data)
>>> df_agg = df.groupby('Name').agg('prod').assign(Op='Mult').reset_index()
>>> df.append(df_agg, ignore_index=True).groupby(['Name','Op']).first()


                A   B   C
       Name Op          
        Ob1 F   2   4   6
            L   1   2   3
          Mult  2   8   18
        Ob2 F   8   10  12
            L   4   5   6
         Mult   32  50  72

【讨论】：