Python Pandas 中 DataFrame 中的多索引难以聚合？

【问题标题】：Difficult aggregation with multi index in DataFrame in Python Pandas?Python Pandas 中 DataFrame 中的多索引难以聚合？
【发布时间】：2021-04-20 09:53:33
【问题描述】：

你好！我有如下数据框：

df = pd.DataFrame({"ID" : ["1", "1", "1", "2", "3"],
                   "ID2" : [10, 11, 10, 13, 14],
                   "ID3" : [1,2,1,4,5],
                   "code" : ["T", "N", "T", "T", np.nan],
                   "count" :[100, 200, 300 ,560,500]})

df.set_index(["ID", "ID2", "ID3"], inplace=True)

我需要将“col1”添加到该数据帧中，其中将包含：
每个多索引的“code”列是“T”的“count”列的总和

所以我需要如下结果。 1 和 3 中的 400 喜欢，因为 300 + 100 = 400 当然没有解决方案“这 3 个是多索引”它是为了帮助:)

【问题讨论】：

标签： python pandas dataframe indexing aggregation

【解决方案1】：

如果code 中没有T，则使用Series.where 替换count 以错误值，然后使用GroupBy.transform 将每个ID 的总和添加到新列并最后设置NaNs 如果不匹配@ 987654330@:

m = df['code'].eq('T')
df['col1'] = df['count'].where(m).groupby(level=0).transform('sum').where(m)
print (df)
           code  count   col1
ID ID2 ID3                   
1  10  1      T    100  400.0
   11  2      N    200    NaN
   10  1      T    300  400.0
2  13  4      T    560  560.0
3  14  5    NaN    500    NaN

【讨论】：