多索引数据帧将一个原始索引与其他索引进行比较

Question

我有一个以列表作为值的数据帧。

index=pd.MultiIndex.from_product([["file1", "file2", "file3"], ["a", "b"]])
index.names = ['file', 'name']
data = [
[[1,1],[0,0]],
[[],[]],
[[2,2,2],[7]],
[[],[]],
[[1],[4, 4]],    
[[],[]],
]
df = pd.DataFrame(data, index=index, columns=['col1', 'col2'])
df

东风

col1    col2
file    name        
file1   a      [1, 1]   [0, 0]
b       []      []
file2   a    [2, 2, 2]  [7]
b       []      []
file3   a       [1]     [4, 4]
b       []      []

我想按name分组并在每行和其他行的串联之间运行柯尔莫哥罗夫-斯米尔诺夫测试 (scipy.stats.ks_2samp(。名称a的示例。{file1,a}==[1,1].其他的串联{file2,a}+{file3,a}==[2,2,2]+[1]==[2,2,2,1].它们之间的 KStest 是stats.ks_2samp([1,1], [2,2,2,1])==0.75。 我怎样才能得到下面的预期结果(手动完成(？

col1     col2
file    name        
file1   a       0.75    1.0
b       NaN     NaN
file2   a       1.0     1.0
b       NaN     NaN
file3   a       0.6     0.66
b       NaN     NaN

如果这是一个太临时的问题，我很抱歉。

以下是我的尝试。我无法弄清楚从其他行中排除目标行的优雅程度。

df.groupby(['name']).apply(
lambda per_name_df: per_name_df.apply(
lambda per_column: per_column.apply(
lambda cell: stats.ks_2samp(cell, np.concatenate(per_column.to_numpy())) if cell else cell)))

Answer 1

...在单行和其他行的串联之间进行测试

由于您没有特别指定哪些行，因此我将为您提供一个示例来测试第一行和所有剩余行：

from scipy.stats import ks_2samp
def ks(a, b):
b = [el for li in b for el in li]
if a and b:
return ks_2samp(a, b)[0]
df.groupby(df.index.get_level_values('name')).col1.apply(lambda x: ks(x[0],x[1:].to_list()))

结果：

name
a    0.75
b     NaN
Name: col1, dtype: float64

编辑问题的更新：

。在每行和其他行的串联之间进行测试

def ks_all(a):
a = a.to_list()
return [ks(a[i],a[:i]+a[i+1:]) for i in range(0,len(a))]
df.groupby(df.index.get_level_values('name')).transform(ks_all)

结果：

col1      col2
file  name                
file1 a     0.75  1.000000
b      NaN       NaN
file2 a     1.00  1.000000
b      NaN       NaN
file3 a     0.60  0.666667
b      NaN       NaN