python - 如何将 agg 应用于具有根据级别不同功能的多索引的数据框？

Question

我想根据索引的第二级对具有多重索引的数据帧应用不同的函数。

例如，对于数据框:

In [4]: df = pd.DataFrame({'a': [1,2,6,7],'b': [7,1,4,5]}, index = pd.MultiIndex.from_tuples( 
   ...:     [('x','tmax'),('x','tmin'),('y','tmax'), ('y','tmin')]))                                                          

In [5]: df                                                                                                                    
Out[5]: 
        a  b
x tmax  1  7
  tmin  2  1
y tmax  6  4
  tmin  7  5     

我想在索引为(-, tmax)时获得该行的最大值，在索引为(-, tmin)时获得该行的最小值，例如:

        value
x tmax      7
  tmin      1
y tmax      6
  tmin      5

我尝试过使用 agg，但我不知道如何根据多重索引的值应用 max 和 min 函数:

df.agg({'tmax': np.max, 'tmin': np.min}, axis = 1)

Answer 1

使用concat与 DataFrame.xs和聚合函数:

s = pd.concat([df.xs('tmax', level=1, drop_level=False).max(1),
               df.xs('tmin', level=1, drop_level=False).min(1)]).sort_index()
print (s)
x  tmax    7
   tmin    1
y  tmax    6
   tmin    5
dtype: int64

或者如果只有值 tmax 和 tmin 使用 numpy.where，则按第二级过滤:

m = df.index.get_level_values(1) == 'tmax'

s = pd.Series(np.where(m, df.max(1), df.min(1)), index=df.index)
print (s)
x  tmax    7
   tmin    1
y  tmax    6
   tmin    5
dtype: int64