具有多索引的 Groupby 数据框

Question

我有一个二维网格，上面有一条路径。我想计算网格的每个点到路径上每个点的距离，然后做一些 groupby 操作。我为此使用 dask.dataframe，但是我会用 pandas 来解释它，因为我认为这不是一个大问题。

代码类似这样

import numpy as np 
import pandas as pd

x = np.linspace(0, 100, 100)
xv, yv = np.meshgrid(x, x, sparse='True') 

path = np.random.rand(5, 2)

dists = []
for i in range(5):
    xd = xv-path[i,0]
    yd = yv-path[i, 1]
    d = np.sqrt(xd**2+yd**2)
    dists.append(d)

df = pd.concat([pd.DataFrame(c) for c in dists], axis=1, keys=np.arange(5))

所以dataframe应该大致是这样的

0	1	2	3	4
Grid distance to first point (100 x 100 dataframe)	Grid distance to second point (100 x 100 dataframe)	...	...	Grid distance to last point (100 x 100 dataframe)

现在我想从这个数据框中计算出最大的“网格”。正如我想要获得一个 100 x 100 的网格，它代表路径的所有 5 个点的最大值。我该怎么做？

我不能使用关键字级别，因为它在 dask 中不受支持。但是我可以使用 df.columns.levels 所以我尝试了这个（在许多其他事情中）但它没有工作

df.groupby(df.columns.levels[1]).max()

它返回一个 100 x 500 的数据框，这不是我想要的。

知道如何解决这个问题吗？

Answer 1

您可以在groupby 中指定level=1, axis=1，以便按列索引的第二级（axis=1）进行分组：

df.groupby(level=1, axis=1).max()

#           0          1          2   ...          97          98          99
#0    1.005712   0.805206   1.746326  ...   97.705173   98.715274   99.725375
#1    0.997070   1.208150   1.991410  ...   97.709861   98.719913   99.729967
#2    1.987666   2.101498   2.631042  ...   97.724989   98.734887   99.744790
#3    2.991336   3.068154   3.452485  ...   97.750554   98.760191   99.769837
#4    3.998246   4.056039   4.354026  ...   97.786546   98.795815   99.805101
#..        ...        ...        ...  ...         ...         ...         ...
#95  95.908388  95.910815  95.923878  ...  136.911072  137.633739  138.360005
#96  96.918485  96.920886  96.933814  ...  137.620549  138.339509  139.062090
#97  97.928582  97.930958  97.943753  ...  138.333762  139.049036  139.767948
#98  98.938679  98.941031  98.953695  ...  139.050656  139.762260  140.477523
#99  99.948776  99.951105  99.963640  ...  139.771172  140.479127  141.190758

#[100 rows x 100 columns]