python - 如何对pandas多索引中的列进行操作

Question

在 pandas 数据框中，我想添加一个 var3 列，它是整数和 var1 列中的最小值。但是，该列是我使用 unstack() 创建的多重索引的一部分。

单独地，我可以使用 df_wide['value']['var1'] 调用列 var1。但是，我无法执行 np.min() 操作并生成新列 var3。

有没有办法可以去掉所有这些嵌套索引，使 pandas 更像 R？

import pandas as pd
import numpy as np

df= pd.DataFrame()
month = np.arange(1, 13)
np.random.seed(42)
values1 = np.random.randint(0, 100, 12)
values2 = np.random.randint(200, 300, 12)

df['month'] = np.hstack((month, month))
df['variable'] = np.hstack((np.repeat('var1', 12), np.repeat('var2', 12)))
df['value'] = np.hstack((values1, values2))
df['year'] = 2020

print(df.head())

df.set_index(['year', 'month', 'variable'], inplace=True)
df_wide = df.unstack().reset_index()

print(df_wide.head())

df_wide['var3'] = np.min(25, df_wide['var1'])

产生以下错误:TypeError:“Series”对象无法解释为整数

Answer 1

使用numpy.minimum对于 MulitIndex 中的选择列，可以使用 DataFrame.xs :

df_wide['var3'] = np.minimum(25, df_wide.xs('var1', axis=1, level=1))
print(df_wide.head())
          year month value      var3
variable              var1 var2     
0         2020     1    51  223   25
1         2020     2    92  202   25
2         2020     3    14  221   14
3         2020     4    71  252   25
4         2020     5    60  201   25

但是您可以通过选择Series在unstack之前指定列来避免MulitIndex:

df_wide = df.set_index(['year', 'month', 'variable'])['value'].unstack().reset_index()

df_wide['var3'] = np.minimum(25, df_wide['var1'])

print(df_wide.head())
variable  year  month  var1  var2  var3
0         2020      1    51   223    25
1         2020      2    92   202    25
2         2020      3    14   221    14
3         2020      4    71   252    25
4         2020      5    60   201    25