我有一个带有分类属性的数据框,其中索引包含重复项。我试图找到索引和属性的每个可能的组合的总和。
x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack()
print(y)
print(y.groupby(level=[0,1]).sum())
输出
11 x 1
y 3
x 1
y 3
12 x 3
y 5
x 3
y 5
dtype: int64
11 x 1
y 3
x 1
y 3
12 x 3
y 5
x 3
y 5
dtype: int64
堆栈和按总数分组是相同的。
但是,我期望的是
11 x 2
11 y 6
12 x 6
12 y 10
编辑2:
x = pd.DataFrame({'x':[1,1,3,3],'y':[3,3,5,5]},index=[11,11,12,12])
y = x.stack().groupby(level=[0,1]).sum()
print(y.groupby(level=[0,1]).sum())
输出:
11 x 1
y 3
x 1
y 3
12 x 3
y 5
x 3
y 5
dtype: int64
使用pandas 0.16.2和Python 3,我可以通过以下方式获得正确的结果:
x.stack().reset_index().groupby(['level_0','level_1']).sum()
产生:
0
level_0 level_1
11 x 2
y 6
12 x 6
y 10
然后,您可以使用reindex()
和将索引和列名更改为更理想的名称columns
。
根据我的研究,我同意原始方法的失败似乎是一个错误。我认为错误是Series
,这是什么x.stack()
产生。我的解决方法是把Series
成一个DataFrame
通过reset_index()
。在这种情况下,DataFrame
它不再具有MultiIndex
-我只是在标记列上分组。
为确保分组和求和可在上DataFrame
与一起使用MultiIndex
,您可以尝试这样做以获得相同的正确输出:
x.stack().reset_index().set_index(['level_0','level_1'],drop=True).\
groupby(level=[0,1]).sum()
在解决该错误之前,这些变通办法中的任何一个都应该处理。
我不知道该错误是否与在vsMultiIndex
上创建的实例有关。例如:Series
DataFrame
In[1]: obj = x.stack()
type(obj)
Out[1]: pandas.core.series.Series
In[2]: obj.index
Out[2]: MultiIndex(levels=[[11, 11, 12, 12], ['x', 'y']],
labels=[[0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 0, 1, 0, 1, 0, 1]])
与
In[3]: obj = x.stack().reset_index().set_index(['level_0','level_1'],drop=True)
type(obj)
Out[3]: pandas.core.frame.DataFrame
In[4]: obj.index
Out[4]: MultiIndex(levels=[[11, 12], ['x', 'y']],
labels=[[0, 0, 0, 0, 1, 1, 1, 1], [0, 1, 0, 1, 0, 1, 0, 1]],
names=['level_0', 'level_1'])
请注意如何MultiIndex
在DataFrame
更准确地描述了水平。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句