Pandas：基于匹配多级列条件的新列值

Question

我有以下带有多级列的数据框

In [1]: data = {('A', '10'):[1,3,0,1],
                ('A', '20'):[3,2,0,0],
                ('A', '30'):[0,0,3,0],
                ('B', '10'):[3,0,0,0],
                ('B', '20'):[0,5,0,0],
                ('B', '30'):[0,0,1,0],
                ('C', '10'):[0,0,0,2],
                ('C', '20'):[1,0,0,0],
                ('C', '30'):[0,0,0,0]
                }
        df = pd.DataFrame(data)
        df
Out[1]:
   A        B        C
  10 20 30 10 20 30 10 20 30
0  1  3  0  3  0  0  0  1  0
1  3  2  0  0  5  0  0  0  0
2  0  0  3  0  0  1  0  0  0
3  1  0  0  0  0  0  2  0  0

在新列results 我想返回包含每个子集（即二级列）最大值的组合列名称

我想要的输出应该如下所示

Out[2]:
   A        B        C
  10 20 30 10 20 30 10 20 30      results
0  1  3  0  3  0  0  0  1  0  A20&B10&C20
1  3  2  0  0  5  0  0  0  0      A10&B20
2  0  0  3  0  0  1  0  0  0      A30&B30
3  1  0  0  0  0  0  2  0  0      A10&C10

例如第一行：

对于列 'A'，最大值位于列 '20' 下 & 对于列 'B'，'10' 下只有 1 个值 & 对于 'C' 列，它也只是 '20' 下的一个值 & 所以结果是A20&B10&C20

编辑：在results 列中将“+”替换为“&”，显然我被误解了，你们认为我需要求和，而我需要用分隔符分隔列名

编辑2： 出于某种原因，下面@A.B 提供的解决方案对我不起作用。虽然它正在为他的工作和 google colab 上的示例数据工作。

不知何故.idxmax(skipna = True) 导致ValueError: No axis named 1 for object type Series

我找到了一种解决方法，方法是在此步骤之前转置数据，然后再将其转回。

map_res = lambda x:  ",".join(list(filter(None,['' if isinstance(x[a], float) else (x[a][0]+x[a][1]) for a in x.keys()])))

df['results'] = df.replace(0, np.nan)\
                  .T\  # Transpose here
                  .groupby(level=0)\  # Remove (axis=1) from here
                  .idxmax(skipna = True)\
                  .T\  # Transpose back here
                  .apply(map_res,axis=1)

我仍然很想知道为什么没有转置它就不能工作？

Answer 1

想法是将0 替换为NaN，因此如果使用DataFrame.stack，所有带有NaNs 的行都会被删除。然后通过DataFrameGroupBy.idxmax 获取索引，通过map 映射第二个和第三个元组值并将join 聚合到每个索引的新列 - 第一级：

df['results'] = (df.replace(0, np.nan)
                   .stack([0,1])
                   .groupby(level=[0,1])
                   .idxmax()
                   .map(lambda x: f'{x[1]}{x[2]}')
                   .groupby(level=0)
                   .agg('&'.join))
print (df)
   A        B        C            results
  10 20 30 10 20 30 10 20 30             
0  1  3  0  3  0  0  0  1  0  A20&B10&C20
1  3  2  0  0  5  0  0  0  0      A10&B20
2  0  0  3  0  0  1  0  0  0      A30&B30
3  1  0  0  0  0  0  2  0  0      A10&C10

Answer 2

试试：

df["results"] = df.groupby(level=0, axis=1).max().sum(1)
print(df)

打印：

   A        B        C       results
  10 20 30 10 20 30 10 20 30        
0  1  3  0  3  0  0  0  1  0       7
1  3  2  0  0  5  0  0  0  0       8
2  0  0  3  0  0  1  0  0  0       4
3  1  0  0  0  0  0  2  0  0       3

Answer 3

• 按级别 0 和轴 = 1 分组

• 您使用 idxmax 将最大子级索引作为元组获取（同时跳过 NaN）。

• 将函数应用于行 (axix-1) 以连接名称

• 在函数（应用于行）中，迭代键/列并连接列级别。用空字符串替换 Nan（类型为 'float'）并稍后过滤它们。

如果您最初有 NaN 并让它们保留，则不需要 df.replace(0, np.nan)。

map_res = lambda x:  ",".join(list(filter(None,['' if isinstance(x[a], float) else (x[a][0]+x[a][1]) for a in x.keys()])))

df['results'] = df.replace(0, np.nan)\
                  .groupby(level=0, axis=1)\
                  .idxmax(skipna = True)\
                  .apply(map_res,axis=1)

这是输出

    A       B           C               results
10  20  30  10  20  30  10  20  30  
0   1   3   0   3   0   0   0   1   0   A20,B10,C20
1   3   2   0   0   5   0   0   0   0   A10,B20
2   0   0   3   0   0   1   0   0   0   A30,B30
3   1   0   0   0   0   0   2   0   0   A10,C10