如何计算熊猫中多索引数据框的行中的斜率？答案

【问题标题】：How to calculate slope in rows of a multiindex dataframe in pandas?如何计算熊猫中多索引数据框的行中的斜率？
【发布时间】：2021-08-28 03:35:18
【问题描述】：

我有这个df 示例：

  Name  Cords   A      B    C
  Ob1     y    4.95  2.15  2.29
          x   36.33  47.8  460.2   
  Ob2     y    1.22  2.34  2.57
          x   36.33  47.8  460.2

其中"Name"是索引，"Cords"是二级索引，即多索引DataFrame，但现在我想计算de索引x和y之间的斜率，以便得到：

  Name  Cords   A      B     C
  Ob1     y    4.95  2.15    2.29
          x   36.33  47.8   460.2 
        slope   0   -0.24    3.39
  Ob2     y    1.22  2.34    2.57
          x   36.33  47.8   460.2 
        slope   0    0.09  5.57e-4

我必须使用df.xs吗？我不知道multiindex df是如何工作的。

slope = (y2-y1)/(x2-x1)

【问题讨论】：

标签： python pandas dataframe indexing multi-level

【解决方案1】：

使用shift 作为np.roll() 表示x2 是A 位置C 的值
您对 C 的 Ob1 斜率的采样数据似乎不正确
您的问题multi-index slicing已被使用.loc

from scipy.ndimage.interpolation import shift

df = pd.DataFrame({'A': {('Ob1', 'y'): 4.95,
  ('Ob1', 'x'): 36.33,
  ('Ob2', 'y'): 1.22,
  ('Ob2', 'x'): 36.33},
 'B': {('Ob1', 'y'): 2.15,
  ('Ob1', 'x'): 47.8,
  ('Ob2', 'y'): 2.34,
  ('Ob2', 'x'): 47.8},
 'C': {('Ob1', 'y'): 2.29,
  ('Ob1', 'x'): 460.2,
  ('Ob2', 'y'): 2.57,
  ('Ob2', 'x'): 460.2}})

x1 = df.loc[(slice(None), "x"), :].values
y1 = df.loc[(slice(None), "y"), :].values
x2 = shift(x1, [0, -1])
y2 = shift(y1, [0, -1])
dfs = pd.concat(
    [
        df,
        pd.DataFrame(
            shift((y2 - y1) / (x2 - x1), [0, 1]),
            columns=df.columns,
            index=pd.MultiIndex.from_product(
                [df.index.get_level_values(0).unique(), ["slope"]]
            ),
        ),
    ]
).sort_index()

输出

               A          B           C
Ob1 slope   0.00  -0.244115    0.000339
    x      36.33  47.800000  460.200000
    y       4.95   2.150000    2.290000
Ob2 slope   0.00   0.097646    0.000558
    x      36.33  47.800000  460.200000
    y       1.22   2.340000    2.570000

【讨论】：