我是熊猫的新手,我正在尝试掌握多指数数学。
假设我们有一个带有2D列和2D行的pandas数据框,如示例中所示,如何添加('ALPHA', 'gamma')
值等于的“ sub-column” (same d1, same d2, 'ALPHA', 'alpha') + (same d1, d2-1, 'BETA', 'alpha')
(('A',2,'ALPHA','gamma')
即10 + 2)?
ridx = pd.MultiIndex.from_tuples([('A',1),('A',2),('A',3),('B',1),('B',2),('B',3),('C',1),('C',2),('C',3)], names=['d1', 'd2'])
cidx = pd.MultiIndex.from_tuples([('ALPHA','alpha'),('ALPHA','beta'),('BETA','alpha'),('BETA','beta')], names=['d3', 'd4'])
dfmix = pd.DataFrame([(0,1,2,3),(10,11,12,13),(20,21,22,23),
(30,31,32,33),(40,41,42,43),(50,51,52,53),
(60,61,62,63),(70,71,72,73),(80,81,82,83),
], index=ridx, columns=cidx)
dfmix
一班轮:
dfmix['ALPHA','gamma'] = dfmix['ALPHA','alpha']
+ dfmix.groupby(level='d1').shift()['BETA','alpha']
pd.shift是根据需要对齐行的好工具。该pd.groupby为组应用该操作之前的行。
为了
In [6]: dfmix.sort_index(axis=1)
Out[6]:
d3 ALPHA BETA
d4 alpha beta gamma alpha beta
d1 d2
A 1 0 1 NaN 2 3
2 10 11 12 12 13
3 20 21 32 22 23
B 1 30 31 NaN 32 33
2 40 41 72 42 43
3 50 51 92 52 53
C 1 60 61 NaN 62 63
2 70 71 132 72 73
3 80 81 152 82 83
当然,如果数学公式没有意义,则您具有Nan值。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句