python - 如何将 pd.Series 添加到多索引 DataFrame 的子集？

Question

我有一个由以下人员创建的多索引数据框:

arrays = [['task_1','task_2', 'task_2'],['accuracy', 'accuracy', 'precision']]
mux = pd.MultiIndex.from_arrays(arrays, names=('task', 'metric'))
data = [[4., 5., 6.], [1., 1., 1.]]
res = pd.DataFrame(data, columns=mux, index=['total', 'counts']).transpose()

>>> res                  
                   total  counts
task   metric                  
task_1 accuracy     4.0     1.0
task_2 accuracy     5.0     1.0
       precision    6.0     1.0

现在我想更新 total task_2 栏目通过添加 [0.1, 0.2]至 task_2.accuracy和 task_2.precision分别是:

update = pd.Series([0.1, 0.2], index=['accuracy', 'precision'])
res.total.task_2 += update

>>> res
                  total  counts
task   metric                  
task_1 accuracy     4.0     1.0
task_2 accuracy     NaN     1.0
       precision    NaN     1.0

为什么我得到 NaN ？向another question学习，我还尝试了两种方法来尝试匹配 update 之间的索引和 res.total.task_2 .但是，它们都不适用于我的情况。

res.total.task_2 += update.values
# -OR-
res.total.task_2 += update.reset_index(drop=True, inplace=True)

Answer 1

我们有一个添加级别的选项，我们可以将其与 series.xs 一起使用以仅在所需的第 0 级别添加，然后重新索引并添加:

res['total'] = (res['total'].xs("task_2",drop_level=False)
                .add(update,level=1).reindex(res.index)
                .fillna(res['total']))
print(res)

                  total  counts
task   metric                  
task_1 accuracy     4.0     1.0
task_2 accuracy     5.1     1.0
       precision    6.2     1.0