Python Pandas 将列添加到多索引 GroupBy DataFrame答案

【问题标题】：Python Pandas add column to multi-index GroupBy DataFramePython Pandas 将列添加到多索引 GroupBy DataFrame
【发布时间】：2017-05-17 04:53:50
【问题描述】：

我正在尝试向具有多索引的 Pandas GroupBy DataFrame 添加一列。该列是分组后公共键的最大值和平均值之间的差异。

这是输入数据帧：

   Main  Reads  Test  Subgroup
0     1      5    54         1
1     2      2    55         1
2     1     10    56         2
3     2     20    57         3
4     1      7    58         3

代码如下：

import numpy as np
import pandas as pd

df = pd.DataFrame({'Main': [1, 2, 1, 2, 1], 'Reads': [5, 2, 10, 20, 7],\
                   'Test':range(54,59), 'Subgroup':[1,1,2,3,3]})

result = df.groupby(['Main','Subgroup']).agg({'Reads':[np.max,np.mean]})

这是result在计算diff之前的变量：

              Reads     
               amax mean
Main Subgroup           
1    1            5    5
     2           10   10
     3            7    7
2    1            2    2
     3           20   20

接下来，我计算diff 列：

result['Reads']['diff'] = result['Reads']['amax'] - result['Reads']['mean']

但这里是输出：

/home/userd/test.py:9: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/
...stable/indexing.html#indexing-view-versus-copy
...result['Reads']['diff'] = result['Reads']['amax'] - result['Reads']['mean']

我希望diff 列与amax 和mean 处于同一级别。

有没有办法将一列添加到 Pandas 中多索引 GroupBy() 对象的最内（底部）列索引？

【问题讨论】：

标签： python pandas dataframe group-by

【解决方案1】：

您可以使用元组访问多索引

result[('Reads','diff')] = result[('Reads','amax')] - result[('Reads','mean')]

你得到

                    Reads
                    amax    mean    diff
Main    Subgroup            
1       1           5       5       0
        2          10      10       0
        3           7       7       0
2       1           2       2       0
        3          20      20       0

【讨论】：

太棒了！

【解决方案2】：

#you can you lambda to build diff directly.
df.groupby(['Main','Subgroup']).agg({'Reads':[np.max,np.mean,lambda x: np.max(x)-np.mean(x)]}).rename(columns={'<lambda>':'diff'})
Out[2360]: 
              Reads          
               amax mean diff
Main Subgroup                
1    1            5    5    0
     2           10   10    0
     3            7    7    0
2    1            2    2    0
     3           20   20    0

【讨论】：

谢谢！这很有帮助。
您能解释一下嵌入的list 中的lambda 吗？我不确定我理解为什么它需要在那里。
lambda 只是您应用于“读取”的另一个函数，就像您放在那里的 np.max 和 np.mean 函数一样。这意味着 dict 中的所有函数都将应用于“Reads”，从而创建 3 个单独的列。
不错的解决方案，非常简单！
谢谢。这对我最有用。

【解决方案3】：

试试这个：

In [8]: result = df.groupby(['Main','Subgroup']).agg({'Reads':[np.max,np.mean, lambda x: x.max()-x.mean()]})

In [9]: result
Out[9]:
              Reads
               amax mean <lambda>
Main Subgroup
1    1            5    5        0
     2           10   10        0
     3            7    7        0
2    1            2    2        0
     3           20   20        0

In [10]: result = result.rename(columns={'<lambda>':'diff'})

In [11]: result
Out[11]:
              Reads
               amax mean diff
Main Subgroup
1    1            5    5    0
     2           10   10    0
     3            7    7    0
2    1            2    2    0
     3           20   20    0

【讨论】：

照常加一:)