使用 MultiIndex 将值的子集分配给 pandas 数据框答案

【问题标题】：Assign subset of values to pandas dataframe with MultiIndex使用 MultiIndex 将值的子集分配给 pandas 数据框
【发布时间】：2018-12-10 14:55:20
【问题描述】：

我有一个 DataFrame df:

                             **Count**
**Environment** **Type**    
**A**            a           100
                 b           200
                 c           300
                 d           400
                 e           500
                 f           600
**B**            a           1000
                 b           2000
                 c           3000
                 d           4000
                 e           5000
                 f           6000

df.index 吐出以下索引：

    MultiIndex(levels=[['A', 'B'], ['a', 'b', 'c', 'd', 'e', 'f']],
               labels=[[0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1], 
                       [0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5]],
               names=['A', 'B'])

我需要计算每个 A 和 B 的计数百分比。所以我这样做：

sums = df.groupby(level = 0).sum()
df.loc['A'] = df.loc['A'].apply(lambda x: x/sums.loc['A','Count'])
df.loc['B'] = df.loc['B'].apply(lambda x: x/sums.loc['B','Count'])

但是，这会导致所有值都是NaN。

我怀疑索引 df.loc['B'].apply(lambda x: x/sums.loc['B','Count'])和df的索引不一样，但应该和我选择的df的部分一样。

这些都是自己

df.loc['A'].apply(lambda x: x/sums.loc['A','Count'])
df.loc['B'].apply(lambda x: x/sums.loc['B','Count'])

有我需要的值，所以除法有效。但是，赋值没有。

如何将上述表达式的结果赋值给dataframe部分 df？

【问题讨论】：

为什么不干脆做df/sums？

标签： python pandas dataframe variable-assignment nan

【解决方案1】：

你可以简单地做df/sums，不需要循环。

由于您想分配给数据帧的特定部分，您可以这样做。保持计算的 df 1 级别的深度更高。

df.loc['A',:] = df.loc['A',:,:].apply(lambda x: x/sums.loc['A','Count'])

【讨论】：

【解决方案2】：

使用div赋值

s=df.Count.div(df.Count.sum(level=0),axis=0,level=0)
df['per']=s
df
Out[1253]: 
                          Count       per
**Environment** **Type**                 
A               a           100  0.047619
                b           200  0.095238
                c           300  0.142857
                d           400  0.190476
                e           500  0.238095
                f           600  0.285714
B               a          1000  0.047619
                b          2000  0.095238
                c          3000  0.142857
                d          4000  0.190476
                e          5000  0.238095
                f          6000  0.285714

【讨论】：