python – Pandas：如何分组并对MultiIndex求和

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())

产量

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

堆栈和组合总和是一样的.

但是,我期待的是

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

EDIT3：
已记录一个问题
https://github.com/pydata/pandas/issues/10417

解决方法:

使用pandas 0.16.2和Python 3,我能够通过以下方式获得正确的结果：

x.stack().reset_index().groupby(['level_0','level_1']).sum()

哪个产生：

                    0
level_0 level_1 
     11       x     2
              y     6
     12       x     6
              y     10

然后,您可以使用reindex()和columns将索引和列名称更改为更合适的名称.

根据我的研究,我同意原始方法的失败似乎是一个错误.我认为这个bug出现在Series上,这就是x.stack()产生的.我的解决方法是通过reset_index()将Series转换为DataFrame.在这种情况下,DataFrame不再具有MultiIndex – 我只是对标记列进行分组.

要确保对具有MultiIndex的DataFrame进行分组和求和,您可以尝试使用它来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()

在解决错误之前,这些变通办法中的任何一个都应该处理好事情.

我想知道这个bug是否与在Series与DataFrame上创建的MultiIndex实例有关.例如：

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DataFrame上的MultiIndex如何更准确地描述级别.

标签：multi-index,python,pandas
来源： https://codeday.me/bug/20190824/1709607.html