添加两个 Pandas MultiIndex 列的较低级别答案

【问题标题】：Adding the lower levels of two Pandas MultiIndex columns添加两个 Pandas MultiIndex 列的较低级别
【发布时间】：2019-07-03 21:14:48
【问题描述】：

我有以下数据框：

import pandas as pd

columns = pd.MultiIndex.from_arrays([['n1', 'n1', 'n2', 'n2'],
                                     ['p',  'm',  'p',  'm']])
values = [
    [1, 2,  3,  4],
    [5, 6,  7,  8],
    [9, 10, 11, 12],
]
df = pd.DataFrame(values, columns=columns)

  n1      n2    
   p   m   p   m
0  1   2   3   4
1  5   6   7   8
2  9  10  11  12

现在我想在这个 DataFrame 中添加另一列 (n3)，其下层列 p 和 m 应该是对应的下层列 n1 和 n2 的总和：

  n1      n2      n3    
   p   m   p   m   p   m
0  1   2   3   4   4   6
1  5   6   7   8  12  14
2  9  10  11  12  20  22

这是我想出的代码：

n3 = df[['n1', 'n2']].sum(axis=1, level=1)
level1 = df.columns.levels[1]
n3.columns = pd.MultiIndex.from_arrays([['n3'] * len(level1), level1])
df = pd.concat([df, n3], axis=1)

这是我想要的，但与不使用 MultiIndex 列的代码相比感觉非常麻烦：

df['n3'] = df[['n1', 'n2']].sum(axis=1)

我当前的代码也只适用于包含两个级别的列 MultiIndex，我有兴趣对任意级别执行此操作。

有什么更好的方法？

【问题讨论】：

标签： pandas

【解决方案1】：

使用stack 和unstack 的一种方法：

new_df = df.stack(level=1)
new_df['n3'] = new_df.sum(axis=1)
new_df.unstack(level=-1)

输出：

   n1     n2      n3    
    m  p   m   p   m   p
0   2  1   4   3   6   4
1   6  5   8   7  14  12
2  10  9  12  11  22  20

【讨论】：

这行得通，但 stack / unstack 组合会重新排序列。

【解决方案2】：

如果你构建这样的结构：

df['n3','p']=1  
df['n3','m']=1

那么你可以写：

df['n3'] = df[['n1', 'n2']].sum(axis=1, level=1)

【讨论】：

这行得通，但对列结构进行了硬编码，因此不能按原样与其他列名一起使用。

【解决方案3】：

这是我刚刚发现的另一种不重新排序列的方式：

# Sum column-wise on level 1
s = df.loc[:, ['n1', 'n2']].sum(axis=1, level=1)

# Prepend a column level
s = pd.concat([s], keys=['n3'], axis=1)

# Add column to DataFrame
df = pd.concat([df, s], axis=1)

【讨论】：