将熊猫多索引切片彼此分开
Posted
技术标签:
【中文标题】将熊猫多索引切片彼此分开【英文标题】:Divide pandas multiindex slices by each other 【发布时间】:2020-10-04 22:36:30 【问题描述】:我有一个具有四个索引级别的 pandas 多索引数据框。我正在尝试将此数据帧的一部分除以同一数据帧的另一部分。
import pandas as pd
df = pd.DataFrame(
data="data_provider": ["prov_a", "prov_a", "prov_a", "prov_a", "prov_a", "prov_a"],
"indicator": ["ind_a", "ind_a", "ind_a", "ind_b", "ind_b", "ind_b"],
"unit": ["EUR", "EUR", "EUR", "EUR", "EUR", "EUR"],
"year": ["2017", "2018","2019", "2017","2018","2019"],
"country1": [1, 2, 3, 2, 4, 6],
"country2": [4, 5, 6, 40, 50, 60]
)
df = df.set_index(["data_provider", "indicator", "unit", "year"], drop=True)
print(df.loc[(slice(None), ["ind_a"]), :] / df.loc[(slice(None), ["ind_b"]), :])
虽然单个切片产生df
的有效切片,但这个简单的除法会导致所有的 NaN。如果我要删除第一个索引级别并执行相同的切片和除法操作,我会得到正确的结果。但是,indicator
索引级别随后将被删除,这是有道理的。
df1.droplevel(0)
print(df.loc["ind_a", :] / df.loc["ind_b", :])
最后,我想将除法的结果附加到现有的df
数据框。我需要分配多索引的前两个级别。类似于data_provider="prov_a"
和indicator="ind_c"
。我该怎么做?
【问题讨论】:
【参考方案1】:问题的根源是除法的两边都有第一值 在 MultiIndex 的第 1 级。
所以如果你把这个级别的索引去掉,然后进行除法:
res = df.loc[(slice(None), ["ind_a"]), :].droplevel([1]) / \
df.loc[(slice(None), ["ind_b"]), :].droplevel([1])
你会得到正确的结果。
要将此结果附加到源 DataFrame,请运行:
res2 = pd.concat([res], keys=['ind_c'], names=['indicator']).swaplevel(0,1)
df = pd.concat([df, res2])
结果是:
country1 country2
data_provider indicator unit year
prov_a ind_a EUR 2017 1.0 4.0
2018 2.0 5.0
2019 3.0 6.0
ind_b EUR 2017 2.0 40.0
2018 4.0 50.0
2019 6.0 60.0
ind_c EUR 2017 0.5 0.1
2018 0.5 0.1
2019 0.5 0.1
【讨论】:
【参考方案2】:我会使用 pd.IndexSlice
和 to_numpy
从除数中去除索引,因此,pandas 不会强制数据对齐以除数据帧的相同形状部分:
import pandas as pd
df = pd.DataFrame(
data="data_provider": ["prov_a", "prov_a", "prov_a", "prov_a", "prov_a", "prov_a"],
"indicator": ["ind_a", "ind_a", "ind_a", "ind_b", "ind_b", "ind_b"],
"unit": ["EUR", "EUR", "EUR", "EUR", "EUR", "EUR"],
"year": ["2017", "2018","2019", "2017","2018","2019"],
"country1": [1, 2, 3, 2, 4, 6],
"country2": [4, 5, 6, 40, 50, 60]
)
df = df.set_index(["data_provider", "indicator", "unit", "year"], drop=True)
indx = pd.IndexSlice
df_new = (df.loc[indx[:, 'ind_a'], :].div(df.loc[indx[:, 'ind_b'], :].to_numpy())
.rename(index='ind_a':'ind_c'))
df_out = pd.concat([df,df_new])
print(df_out)
输出:
country1 country2
data_provider indicator unit year
prov_a ind_a EUR 2017 1.0 4.0
2018 2.0 5.0
2019 3.0 6.0
ind_b EUR 2017 2.0 40.0
2018 4.0 50.0
2019 6.0 60.0
ind_c EUR 2017 0.5 0.1
2018 0.5 0.1
2019 0.5 0.1
【讨论】:
以上是关于将熊猫多索引切片彼此分开的主要内容,如果未能解决你的问题,请参考以下文章