我有一个由创建的多索引数据帧
arrays = [['task_1','task_2', 'task_2'],['accuracy', 'accuracy', 'precision']]
mux = pd.MultiIndex.from_arrays(arrays, names=('task', 'metric'))
data = [[4., 5., 6.], [1., 1., 1.]]
res = pd.DataFrame(data, columns=mux, index=['total', 'counts']).transpose()
>>> res
total counts
task metric
task_1 accuracy 4.0 1.0
task_2 accuracy 5.0 1.0
precision 6.0 1.0
现在我想通过将[0.1, 0.2]
分别添加到task_2.accuracy
和task_2.precision
来更新task_2
的total
列:
update = pd.Series([0.1, 0.2], index=['accuracy', 'precision'])
res.total.task_2 += update
>>> res
total counts
task metric
task_1 accuracy 4.0 1.0
task_2 accuracy NaN 1.0
precision NaN 1.0
为什么我得到NaN
?从另一个问题中学习,我还尝试了两种方法来匹配update
和res.total.task_2
之间的索引。然而,在我的情况下,它们都不起作用。
res.total.task_2 += update.values
# -OR-
res.total.task_2 += update.reset_index(drop=True, inplace=True)
我们有一个在级别上添加的选项,可以与series.xs
一起使用,只在所需的第0级别上添加,然后重新索引并添加:
res['total'] = (res['total'].xs("task_2",drop_level=False)
.add(update,level=1).reindex(res.index)
.fillna(res['total']))
print(res)
total counts
task metric
task_1 accuracy 4.0 1.0
task_2 accuracy 5.1 1.0
precision 6.2 1.0
似乎需要通过更新所有行来更改res.total.task_2
值
res.total.task_2.iloc[:] = res.total.task_2 + update
或者和熊猫在一起。Series.update((
res.total.task_2.update(res.total.task_2 + update)
或者逐个增加的价值
for i in range(len(update)):
res.total.task_2.iloc[i] += update.iloc[i]
# print(res)
total counts
task metric
task_1 accuracy 4.0 1.0
task_2 accuracy 5.1 1.0
precision 6.2 1.0