使用 MultiIndex 对 DataFrame 的行和列求和

Question

我正在尝试编写一个函数，该函数将 2D 方形 DataFrame 和索引列表作为输入，并返回一个包含行索引和列索引总和的新 DataFrame。 这里有一个例子的代码：

import pandas as pd
import numpy as np

def cluster_sum(matrix, cluster):

    matrix[tuple(cluster)] = matrix[cluster].sum(axis=1)
    matrix = matrix.drop(cluster, axis=1)
    matrix = matrix.append(pd.Series(matrix.loc[cluster, :].sum(axis=0), name=tuple(cluster)))
    matrix = matrix.drop(cluster, axis=0)

    return matrix

idx = ['a', 'b', 'c']
sample_df = pd.DataFrame(np.array([[0, 1, 1], [1, 0, 1], [1, 1, 0]]), index=idx, columns=idx)
print(sample_df)

当前数据帧：

   a  b  c
a  0  1  1
b  1  0  1
c  1  1  0

我定义了一个集群并应用 cluster_sum：

cluster = ['a', 'b']

new_df = cluster_sum(sample_df, cluster)
print(new_df)

结果如我所愿：

        c  (a, b)
c       0       2
(a, b)  2       2

现在问题来了：如果我尝试选择新行（a，b）： print(new_df.loc[('a', 'b'), :]) 它给了我以下错误：

Traceback (most recent call last):
  File "C:\Users\damia\PycharmProjects\logistic-tool\try2.py", line 23, in <module>
    print(new_df.loc[('a', 'b'), :])
  File "C:\Users\damia\PycharmProjects\print\venv\lib\site-packages\pandas\core\indexing.py", line 925, in __getitem__
    return self._getitem_tuple(key)
  File "C:\Users\damia\PycharmProjects\print\venv\lib\site-packages\pandas\core\indexing.py", line 1109, in _getitem_tuple
    return self._getitem_tuple_same_dim(tup)
  File "C:\Users\damia\PycharmProjects\print\venv\lib\site-packages\pandas\core\indexing.py", line 806, in _getitem_tuple_same_dim
    retval = getattr(retval, self.name)._getitem_axis(key, axis=i)
  File "C:\Users\damia\PycharmProjects\print\venv\lib\site-packages\pandas\core\indexing.py", line 1153, in _getitem_axis
    return self._getitem_iterable(key, axis=axis)
  File "C:\Users\damia\PycharmProjects\print\venv\lib\site-packages\pandas\core\indexing.py", line 1093, in _getitem_iterable
    keyarr, indexer = self._get_listlike_indexer(key, axis)
  File "C:\Users\damia\PycharmProjects\print\venv\lib\site-packages\pandas\core\indexing.py", line 1314, in _get_listlike_indexer
    self._validate_read_indexer(keyarr, indexer, axis)
  File "C:\Users\damia\PycharmProjects\print\venv\lib\site-packages\pandas\core\indexing.py", line 1374, in _validate_read_indexer
    raise KeyError(f"None of [{key}] are in the [{axis_name}]")
KeyError: "None of [Index(['a', 'b'], dtype='object')] are in the [index]"

我做了一些研究，我确定问题出在元组形式的索引上。我认为熊猫希望我在新行中使用 MultiIndex，并且最好在列中也使用 MultiIndex，但我不熟悉 MultiIndex。我尝试创建一个具有 MultiIndex 名称的 Series，然后将其添加到 DataFrame，但我认为创建 MultiIndex Series 是不可能的，所以我在这里寻求建议。

编辑：将索引放在方括号内，如下所示：new_df.loc[[('a', 'b')], :] 对我来说不是一个好的解决方案，因为我需要检查索引是否是元组，这不是一个有效的解决方案。像这样的：

for i in new_df.index:
    if type(i) is tuple:
        print(new_df.loc[[i], :])
    else:
        print(new_df.loc[i, :])

它会起作用，但必须有一个更有效的解决方案......

Answer 1

要选择元组索引，请将("a", "b") 放入[ ]：

print(new_df.loc[[("a", "b")], :])

打印：

        c  (a, b)
(a, b)  2       2