Pandas：如何向多索引数据框添加列？答案

【问题标题】：Pandas: How to add column to multiindexed dataframe?Pandas：如何向多索引数据框添加列？
【发布时间】：2018-12-06 11:21:15
【问题描述】：

我正在关注一个简短的tutorial on LinkedIn regarding multiindexed pandas dataframes，我无法重现一个看似非常基本的操作（在 3:00）。您无需观看视频即可掌握问题。

以下使用 seaborn 数据集的 sn-p 将显示我无法使用视频中显示的技术将列添加到多索引 pandas 数据帧中，并且还在 SO 帖子 here 中进行了描述。

我们开始吧：

import pandas as pd
import seaborn as sns

flights = sns.load_dataset('flights')
flights.head()
flights_indexed = flights.set_index(['year', 'month'])

flights_unstack = flights_indexed.unstack()
print(flights_unstack)

输出：

      passengers                                                               
month    January February March April  May June July August September October   November December
year                                                                            
1949         112      118   132   129  121  135  148    148       136     119        104      118
1950         115      126   141   135  125  149  170    170       158     133        114      140  
1951         145      150   178   163  172  178  199    199       184     162        146      166
1952         171      180   193   181  183  218  230    242       209     191        172      194
1953         196      196   236   235  229  243  264    272       237     211        180      201 
1954         204      188   235   227  234  264  302    293       259     229        203      229 
1955         242      233   267   269  270  315  364    347       312     274        237      278  
1956         284      277   317   313  318  374  413    405       355     306        305      336 
1957         315      301   356   348  355  422  465    467       404     347        310      337   
1958         340      318   362   348  363  435  491    505       404     359        362      405
1959         360      342   406   396  420  472  548    559       463     407        362      405
1960         417      391   419   461  472  535  622    606       508     461        390      432

现在我想附加一列，显示每年使用的每月总和

flights_unstack.sum(axis = 1)

输出：

year
1949    1520
1950    1676
1951    2042
1952    2364
1953    2700
1954    2867
1955    3408
1956    3939
1957    4421
1958    4572
1959    5140
1960    5714

上面提到的两个来源通过使用以下简单的东西来证明这一点：

flights_unstack['passengers', 'total'] = flights_unstack.sum(axis = 1)

此处，“总计”应显示为现有索引下的新列。但我得到了这个：

TypeError: 无法将项目插入到尚未存在的类别的 CategoricalIndex 中

我使用的是 Python 3，2015 年视频中的作者也是如此。

这是怎么回事？

我已经进行了一系列尝试，仅使用上述系列中的值，以及将数据机器人作为 pd.Series 和 pd.DataFrame 进行整形、转置、合并和加入。并重置索引。我可能忽略了一些重要的细节，现在我希望得到你们中的一些人的建议。

编辑 1 - 这是 jezrael 提出第一个建议后的尝试：

import pandas as pd
import seaborn as sns

flights = sns.load_dataset('flights')
flights.head()

flights_indexed = flights.set_index(['year', 'month'])

flights_unstack = flights_indexed['passengers'].unstack()
flights_unstack['total'] = flights_unstack.sum(axis = 1)

输出：

TypeError: 无法将项目插入到尚未存在的类别的 CategoricalIndex 中

【问题讨论】：

标签： python pandas

【解决方案1】：

变化：

flights_unstack = flights_indexed.unstack()

到：

flights_unstack = flights_indexed['passengers'].unstack()

用于删除列中的Multiindex。

最后是必要的add_categories 新列名：

flights_unstack.columns = flights_unstack.columns.add_categories(['total'])

flights_unstack['total'] = flights_unstack.sum(axis = 1)
print (df)
       January  February  March  April  May  June  July  August  September  \
month                                                                        
1949       112       118    132    129  121   135   148     148        136   
1950       115       126    141    135  125   149   170     170        158   
1951       145       150    178    163  172   178   199     199        184   
1952       171       180    193    181  183   218   230     242        209   
1953       196       196    236    235  229   243   264     272        237   
1954       204       188    235    227  234   264   302     293        259   
1955       242       233    267    269  270   315   364     347        312   
1956       284       277    317    313  318   374   413     405        355   
1957       315       301    356    348  355   422   465     467        404   
1958       340       318    362    348  363   435   491     505        404   
1959       360       342    406    396  420   472   548     559        463   
1960       417       391    419    461  472   535   622     606        508   

       October  November  December  total  
month                                      
1949       119       104       118   1520  
1950       133       114       140   1676  
1951       162       146       166   2042  
1952       191       172       194   2364  
1953       211       180       201   2700  
1954       229       203       229   2867  
1955       274       237       278   3408  
1956       306       305       336   4003  
1957       347       310       337   4427  
1958       359       362       405   4692  
1959       407       362       405   5140  
1960       461       390       432   5714

设置：

import pandas as pd

temp=u"""month;January;February;March;April;May;June;July;August;September;October;November;December

1949;112;118;132;129;121;135;148;148;136;119;104;118
1950;115;126;141;135;125;149;170;170;158;133;114;140
1951;145;150;178;163;172;178;199;199;184;162;146;166
1952;171;180;193;181;183;218;230;242;209;191;172;194
1953;196;196;236;235;229;243;264;272;237;211;180;201
1954;204;188;235;227;234;264;302;293;259;229;203;229
1955;242;233;267;269;270;315;364;347;312;274;237;278
1956;284;277;317;313;318;374;413;405;355;306;305;336
1957;315;301;356;348;355;422;465;467;404;347;310;337
1958;340;318;362;348;363;435;491;505;404;359;362;405
1959;360;342;406;396;420;472;548;559;463;407;362;405
1960;417;391;419;461;472;535;622;606;508;461;390;432"""
#after testing replace 'pd.compat.StringIO(temp)' to 'filename.csv'
df = pd.read_csv(pd.compat.StringIO(temp), sep=";", index_col=[0])
print (df)


df.columns = pd.CategoricalIndex(df.columns)

df.columns = df.columns.add_categories(['total'])
df['total'] = df.sum(axis = 1)

【讨论】：

感谢您的回答！不过，我仍然收到 TypeError 。我将根据您的建议在编辑中添加我的完整尝试。
@vestland - 所以需要在列中添加类别，需要对其进行测试。
df.columns 中的 df 指的是什么？ flight_unstack?
对不起，我的测试数据框。
@vestland - 当然，df.columns = pd.CategoricalIndex(df.columns).add_categories(['total'])

【解决方案2】：

我知道这有点晚了，但我在课程的常见问题解答部分找到了您问题的答案。它是这样说的：

“问。Pandas 分类数据有什么问题？

A.从 0.6 版开始，seaborn.load_dataset 将某些列转换为 Pandas 分类数据（请参阅http://pandas.pydata.org/pandas-docs/stable/categorical.html）。这会在处理“Pandas 简介/使用多级索引”中使用的“航班”数据帧时产生问题。为避免此问题，您可以直接使用 Pandas 加载数据集：

航班 = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/flights.csv')"

我希望这会有所帮助。

【讨论】：

这太棒了！谢谢！

【解决方案3】：

您可以使用以下内容：

df = pd.concat([flights_unstack.sum(axis = 'columns').rename('Total'), flights_unstack], axis = 'columns')

Results

然后您可以使用以下命令重置为多索引：

df.columns = pd.MultiIndex.from_tuples(('passangers', column) for column in df.columns)

Results

【讨论】：