我有這個(gè)數(shù)據(jù)：import pandas as pdimport numpy as npindex = pd.MultiIndex.from_tuples(list(zip(*[['one', 'one', 'two', 'two'],['foo', 'bar', 'foo', 'bar']])))df = pd.DataFrame(np.arange(12).reshape((3,4)), columns=index) one two foo bar foo bar0 0 1 2 31 4 5 6 72 8 9 10 11有沒有一種方法可以對(duì)每個(gè) 1 級(jí)列上的每個(gè) 0 級(jí)組列進(jìn)行簡(jiǎn)單的矢量化計(jì)算（如加法），而不必引用特定的列級(jí)別對(duì)，例如：df[('one','add')] = df[('one','foo')]+df[('one','bar')]我想得到 one two foo bar add foo bar add0 0 1 1 2 3 51 4 5 9 6 7 132 8 9 17 10 11 21
3 回答
喵喔喔
TA貢獻(xiàn)1735條經(jīng)驗(yàn) 獲得超5個(gè)贊
我擺弄了一會(huì)兒，這是我認(rèn)為可以解決問題的一句臺(tái)詞。它是完全矢量化的，并且不尋址特定的列名稱。它還會(huì)將add列放置在正確的位置。
df.stack(0).assign(add=df.stack(0).sum(axis=1)).stack(0).unstack(0).T
不幸的是，由于 stack / unstack 的特性是對(duì)最內(nèi)層進(jìn)行入棧 / 出棧，因此需要神秘的.stack(0).unstack(0)操作?？雌饋磉@兩個(gè)操作應(yīng)該互相抵消，但它們實(shí)際上在保持順序的同時(shí)打亂索引級(jí)別。
這是同樣的事情，分為 3 行，沒有賦值語句。
df = df.stack(0)
df['add'] = df.sum(axis=1)
df = df.stack(0).unstack(0).T
慕田峪7331174
TA貢獻(xiàn)1828條經(jīng)驗(yàn) 獲得超13個(gè)贊
pandas.DataFrame.sum與axis=1和 一起使用level=0：
df2 = df.sum(axis=1, level=0)
print(df2)
輸出：
one two
0 1 5
1 9 13
2 17 21
然后您可以將新的列名稱添加到pandas.concat：
df2.columns = [(c, "add") for c in df2]
df2 = pd.concat([df, df2], 1).sort_index(1)
print(df2)
輸出：
one two
add bar foo add bar foo
0 1 1 0 5 3 2
1 9 5 4 13 7 6
2 17 9 8 21 11 10
犯罪嫌疑人X
TA貢獻(xiàn)2080條經(jīng)驗(yàn) 獲得超4個(gè)贊
這里有一個(gè)替代解決方案，使用相同的求和解決方案，但沒有pd.concat：
df[("one", "add")] = None
df[("two", "add")] = None
df.iloc[:, -2:] = df.sum(axis=1, level=0).to_numpy()
df.sort_index(1)
one two
add bar foo add bar foo
0 1.0 1 0 5.0 3 2
1 9.0 5 4 13.0 7 6
2 17.0 9 8 21.0 11 10
添加回答
舉報(bào)
0/150
提交
取消