对多索引 pandas DataFrame 求和答案

【问题标题】：Summing over a multiindex pandas DataFrame对多索引 pandas DataFrame 求和
【发布时间】：2017-06-11 20:54:24
【问题描述】：

假设我使用 df.set_index('Class','subclass') 创建了以下数据框，请记住有多个具有子类的类... A>Z。

Class   subclass    
  A       a           
  A       b 
  A       c 
  A       d 
  B       a            
  B       b

我将如何计算 Class 中的子类并创建一个名为 no of classes 的单独列，以便我可以看到具有最大子类数量的 Class？我在想某种 for 循环，它遍历 Class 字母并计算子类，如果 Class 字母仍然相同。但是，对于这样的问题，这似乎有点违反直觉。是否有更简单的方法，例如 df.groupby[].count？

期望的输出是：

Class   subclass    No. of classes
  A       a                4    
  A       b 
  A       c 
  A       d 
  B       a                2    
  B       b

我已经尝试了group multi-index pandas dataframe 中显示的级别参数，但这似乎对我不起作用

编辑：

我没有提到我想要返回具有最多子类的类。我通过以下方式实现了这一目标：

df.reset_index().groupby('Class')['subclass'].nunique().idxmax()

【问题讨论】：

IIUC 你可以做df['No. of classes'] = df.groupby('Class')['subclass'].transform('count')
No. of classes 中需要空值吗？
我希望返回具有最多子类的类。经过更多搜索后，我写了以下内容：'df.reset_index().groupby('Class')['subclass'].nunique().idxmax()' 有效。
@Joey - 是的，对于最大数量的子类来说，这是一个很好的解决方案。我再添加一个。

标签： python pandas dataframe multi-index

【解决方案1】：

您可以使用transform，但会得到重复值：

df['No. of classes'] = df.groupby(level='Class')['val'].transform('size')

print (df)
                val  No. of classes
Class subclass                     
A     a           1               4
      b           4               4
      c           5               4
      d           4               4
B     a           1               2
      b           2               2

但如果需要空值：

df['No. of classes'] = df.groupby(level='Class')
                         .apply(lambda x: pd.Series( [len(x)] + [np.nan] * (len(x)-1)))
                         .values
print (df)
                val  No. of classes
Class subclass                     
A     a           1             4.0
      b           4             NaN
      c           5             NaN
      d           4             NaN
B     a           1             2.0
      b           2             NaN

获取最大数量的Class 的另一种解决方案是：

df = df.groupby(level=['Class'])
       .apply(lambda x: x.index.get_level_values('subclass').nunique())
       .idxmax()
print (df)
A

【讨论】：

如果说我想找到每个类中前 3 个 val 的总和并返回总和最高的前 3 个类，我可以使用类似的表达式吗？说 'df.groupby('Class')['val'].nlargest(3)' 对每个 Class 中的前 3 个 val 进行排序，然后应用另一个表达式对前 3 个求和并排序？
你觉得df.groupby('Class')['val'].apply(lambda x: x.nlargest(3).sum()) 吗？
然后如果需要顶部添加idxmax() like df.groupby('Class')['val'].apply(lambda x: x.nlargest(3).sum()).idxmax()
或者如果需要顶部3 再次使用nlargest df.groupby('Class')['val'].apply(lambda x: x.nlargest(3).sum()).nlargest(3)
正是我需要的。非常感谢！

【解决方案2】：

您可以使用 transform 将聚合计算添加回原始 df 作为新列：

In [165]:
df['No. of classes'] = df.groupby('Class')['subclass'].transform('count')
df

Out[165]:
  Class subclass  No. of classes
0     A        a               4
1     A        b               4
2     A        c               4
3     A        d               4
4     B        a               2
5     B        b               2

【讨论】：