我有一些带有多级索引的数据,就像这样:
import itertools
idx1 = list('XYZ')
idx2 = range(3)
idx = pd.MultiIndex.from_tuples(list(itertools.product(idx1,idx2)))
df = pd.DataFrame(np.random.rand(9,4), columns=list('ABCD'), index=idx)
A B C D
first second
X 0 0.808432 0.708881 0.411515 0.704168
1 0.322688 0.093869 0.651238 0.146480
2 0.800746 0.156890 0.131700 0.220423
Y 0 0.102290 0.129895 0.939147 0.510555
1 0.462014 0.749873 0.585867 0.357788
2 0.794327 0.141203 0.414841 0.923480
Z 0 0.557513 0.768428 0.487475 0.824503
1 0.258303 0.115791 0.102588 0.062753
2 0.934960 0.700371 0.319663 0.642070
以下是按第一个索引级别分组求和的结果:
In[]: df.groupby(level=0).sum()
Out[]:
A B C D
first
X 1.931866 0.959640 1.194453 1.071071
Y 1.358631 1.020971 1.939855 1.791824
Z 1.750776 1.584590 0.909725 1.529326
看起来很合理-我对索引的第一层进行了求和,因此第二层消失了。但是,如果我使用rolling
方法:
df.groupby(level=0).rolling(2).sum()
我明白了
A B C D
first first second
X X 0 NaN NaN NaN NaN
1 1.131120 0.802750 1.062753 0.850648
2 1.123434 0.250759 0.782938 0.366903
Y Y 0 NaN NaN NaN NaN
1 0.564303 0.879768 1.525014 0.868343
2 1.256341 0.891075 1.000708 1.281269
Z Z 0 NaN NaN NaN NaN
1 0.815816 0.884219 0.590062 0.887256
2 1.193263 0.816162 0.422251 0.704823
为某种原因,pandas决定返回一个3级索引,重复第一级。 为什么会这样?有没有更好的方法来编写我的代码,使其不会这样做?
而且,由于第一个标签被重复,对结果调用reset_index()
会导致ValueError: cannot insert first, already exists
,因此我不知道如何删除重复的索引。有什么技巧吗?
group_keys=False
的情况下,如果我使用df.groupby()['A']...
而不是df['A'].groupby()...
,我仍会得到额外的键。我不确定这是否是设计上的问题还是一个 bug -- 我认为这两个应该具有相同的输出结果。 - itzy