DataFrames 上的多索引和 Pandas 中的 sum答案

【问题标题】：Multiindex on DataFrames and sum in PandasDataFrames 上的多索引和 Pandas 中的 sum
【发布时间】：2015-08-20 11:46:21
【问题描述】：

我目前正在尝试使用 Pandas MultiIndex 属性。我正在尝试以一种智能的方式根据其列对现有的 DataFrame-object df_original 进行分组，因此正在考虑 MultiIndex。

print df_original =

       by_currency   by_portfolio    A  B  C
1        AUD          a              1  2  3
2        AUD          b              4  5  6
3        AUD          c              7  8  9
4        AUD          d              10 11 12
5        CHF          a              13 14 15 
6        CHF          b              16 17 18
7        CHF          c              19 20 21
8        CHF          d              22 23 24

现在，我想要的是一个 MultiIndex DataFrame 对象，以 A, B 和 C 和 by_portfolio 作为索引。看起来像

              CHF     AUD
A       a     13      1
        b     16      4   
        c     19      7
        d     22      10
B       a     14      2
        b     17      5
        c     20      8
        d     23      11
C       a     15      3
        b     18      6
        c     21      9
        d     24      12

我已经尝试将df_original 中的所有列和追捧的索引制作成列表对象，然后从那里创建一个新的DataFrame。这似乎有点麻烦，我不知道如何添加实际值。

也许某种groupby 更适合这个目的？问题是我需要能够将此数据添加到另一个类似的 DataFrame，所以我需要生成的 DataFrame 以后能够添加到另一个。

谢谢

【问题讨论】：

标签： python pandas dataframe multi-index

【解决方案1】：

您可以使用stack 和unstack 的组合：

In [50]: df.set_index(['by_currency', 'by_portfolio']).stack().unstack(0)
Out[50]:
by_currency     AUD  CHF
by_portfolio
a            A    1   13
             B    2   14
             C    3   15
b            A    4   16
             B    5   17
             C    6   18
c            A    7   19
             B    8   20
             C    9   21
d            A   10   22
             B   11   23
             C   12   24

为了得到你想要的结果，我们只需要交换索引的级别：

In [51]: df2 = df.set_index(['by_currency', 'by_portfolio']).stack().unstack(0)

In [52]: df2.columns.name = None

In [53]: df2.index = df2.index.swaplevel(0,1)

In [55]: df2 = df2.sort_index()

In [56]: df2
Out[56]:
                AUD  CHF
  by_portfolio
A a               1   13
  b               4   16
  c               7   19
  d              10   22
B a               2   14
  b               5   17
  c               8   20
  d              11   23
C a               3   15
  b               6   18
  c               9   21
  d              12   24

【讨论】：