マルチレベルの列を持つ集計グループ

特定の列にマップする必要がある関数のディクショナリと集約したいグループ化されたDataFrameがあります。単一レベルの列の場合、これはgroups.agg({'colname': <function>})。で簡単です。ただし、これをマルチレベルの列で機能させるのに苦労しています。この列からは、単一のレベルのみを参照したいと思います。

これが例です。

いくつかのサンプルデータを作成しましょう。

import itertools
import pandas as pd

lev1 = ['foo', 'bar', 'baz']
lev2 = list('abc')

n = 6

df = pd.DataFrame({k: np.random.randn(n) for k in itertools.product(lev1,lev2)}, 
                  index=pd.DatetimeIndex(start='2015-01-01', periods=n, freq='11D'))

それは次のようになります：

             bar               baz               foo            
               a     b     c     a     b     c     a     b     c
2015-01-01 -1.11  2.12 -1.00  0.18  0.14  1.24  0.73  0.06  3.66
2015-01-12 -1.43  0.75  0.38  0.04 -0.33 -0.42  1.00 -1.63 -1.35
2015-01-23  0.01 -1.70 -1.39  0.59 -1.10 -1.17 -1.51 -0.54 -1.11
2015-02-03  0.93  0.70 -0.12  1.07 -0.97 -0.45 -0.19  0.11 -0.79
2015-02-14  0.30  0.49  0.60 -0.28 -0.38  1.11  0.15  0.78 -0.58
2015-02-25 -0.26  0.51  0.82  0.05 -1.45  0.14  0.53 -0.33 -1.35

そして、月ごとに次のようにグループ化します。

groups = df.groupby(pd.TimeGrouper('MS'))

列のトップレベルに基づいていくつかの関数を定義します。

funcs = {'bar': np.sum, 'baz': np.mean, 'foo': np.min}

ただし、groups.agg(funcs)これを行うと、各レベルのキーが必要になるため、KeyErrorが発生します。これは理にかなっています。

これは、たとえば次のように機能します。

groups.agg({('bar', 'a'): np.mean})

                 bar
                   a
2015-01-01 -0.845554
2015-02-01  0.324897

しかし、私は2番目のレベルで各キーを指定したくありません。だから私は次のように機能するものを探しています：

groups.agg({('bar', slice(None)): np.mean})

しかし、asliceはハッシュ化できないため、もちろん辞書に入れることはできません。

回避策は次のとおりです。

def multifunc(group):

    func = funcs[group.name[0]]        
    return func(group)

groups.agg(multifunc)

しかし、それはあまり読みやすくなく、私には「パンドニック」に見えません。また、agg関数と同じ列に複数の関数を配置することはできません。そのようなタスクを実行するためのより良い/標準的な方法がなければなりません、それは非常に珍しいことではありません。