我有一个以下格式的现有数据框(我们称之为df
(:
A B C D
0 1 2 1 4
1 3 0 2 2
2 1 5 3 1
列名是从具有以下形式的电子表格中提取的(我们称之为cat_df
(:
current category
broader category
X A
Y B
Y C
Z D
首先,我想在前面加上一个更高级别的索引,使df
看起来像这样:
X Y Z
A B C D
0 1 2 1 4
1 3 0 2 2
2 1 5 3 1
最后,我想通过对子索引求和将数据"汇总"到元索引中,以生成一个新的数据帧,如下所示:
X Y Z
0 1 3 4
1 3 2 2
2 1 8 1
使用这个答案中的concat
让我接近了,但这似乎是一个非常手动的过程来挑选每个子集。我真正的数据集有一个更复杂的映射,所以我想在构建元索引时直接引用它。我认为一旦我解决了元索引,一个简单的groupby
应该让我达到求和,但我仍然停留在第一步。
d = dict(zip(cat_df['current category'], cat_df.index))
cols = pd.MultiIndex.from_arrays([df.columns.map(d.get), df.columns])
df.set_axis(cols, axis=1, inplace=False)
X Y Z
A B C D
0 1 2 1 4
1 3 0 2 2
2 1 5 3 1
df_new = df.set_axis(cols, axis=1, inplace=False)
df_new.groupby(axis=1, level=0).sum()
X Y Z
0 1 3 4
1 3 2 2
2 1 8 1
IIUC,你可以这样做。
df.columns = pd.MultiIndex.from_tuples(cat_df.reset_index()[['broader category','current category']].apply(tuple, axis=1).tolist())
打印(DF(
输出:
X Y Z
A B C D
0 1 2 1 4
1 3 0 2 2
2 1 5 3 1
总和水平:
df.sum(level=0, axis=1)
输出:
X Y Z
0 1 3 4
1 3 2 2
2 1 8 1
您可以使用
set_index
创建 idx,然后分配给您的 df
idx=df1.set_index('category',append=True).index
df.columns=idx
df
Out[1170]:
current X Y Z
category A B C D
0 1 2 1 4
1 3 0 2 2
2 1 5 3 1
df.sum(axis=1,level=0)
Out[1171]:
current X Y Z
0 1 3 4
1 3 2 2
2 1 8 1