以 Level=0 为组的多级列上的简单向量化数学

Question

我有这个数据：

import pandas as pd

import numpy  as np

index = pd.MultiIndex.from_tuples(list(zip(*[['one', 'one', 'two', 'two'],['foo', 'bar', 'foo', 'bar']])))

df = pd.DataFrame(np.arange(12).reshape((3,4)), columns=index)

  one     two    

  foo bar foo bar

0   0   1   2   3

1   4   5   6   7

2   8   9  10  11

有没有一种方法可以对每个 1 级列上的每个 0 级组列进行简单的矢量化计算（如加法），而不必引用特定的列级别对，例如：

df[('one','add')] = df[('one','foo')]+df[('one','bar')]

我想得到

  one          two      

  foo bar add  foo bar add

0   0   1   1    2   3   5

1   4   5   9    6   7  13

2   8   9  17   10  11  21

Answer 1

我摆弄了一会儿，这是我认为可以解决问题的一句台词。它是完全矢量化的，并且不寻址特定的列名称。它还会将add列放置在正确的位置。df.stack(0).assign(add=df.stack(0).sum(axis=1)).stack(0).unstack(0).T不幸的是，由于 stack / unstack 的特性是对最内层进行入栈 / 出栈，因此需要神秘的.stack(0).unstack(0)操作。看起来这两个操作应该互相抵消，但它们实际上在保持顺序的同时打乱索引级别。这是同样的事情，分为 3 行，没有赋值语句。df = df.stack(0)df['add'] = df.sum(axis=1)df = df.stack(0).unstack(0).T

Answer 2

pandas.DataFrame.sum与axis=1和 一起使用level=0：df2 = df.sum(axis=1, level=0)print(df2)输出：   one  two0    1    51    9   132   17   21然后您可以将新的列名称添加到pandas.concat：df2.columns = [(c, "add") for c in df2]df2 = pd.concat([df, df2], 1).sort_index(1)print(df2)输出：  one         two          add bar foo add bar foo0   1   1   0   5   3   21   9   5   4  13   7   62  17   9   8  21  11  10

Answer 3

这里有一个替代解决方案，使用相同的求和解决方案，但没有pd.concat：df[("one", "add")] = Nonedf[("two", "add")] = Nonedf.iloc[:, -2:] = df.sum(axis=1, level=0).to_numpy()df.sort_index(1)    one              two     add    bar foo  add    bar foo0    1.0    1   0    5.0     3  21    9.0    5   4    13.0   7   62    17.0   9   8    21.0   11  10