Блог

У меня есть многоиндексный фрейм данных Pandas на Python с двумя уровнями для индекса и для столбцов, которые выглядят следующим образом:

 miind = pd.MultiIndex.from_product([['A1','A2'],['B1','B2','B3']]) micol = pd.MultiIndex.from_product([['X1','X2'],['Y1','Y2','Y3']]) df = pd.DataFrame((np.arange(len(miind)*len(micol)) % 5).reshape(len(miind),len(micol)),  index=miind, columns=micol) print(df)  

 X1 X2   Y1 Y2 Y3 Y1 Y2 Y3 A1 B1 0 1 2 3 4 0  B2 1 2 3 4 0 1  B3 2 3 4 0 1 2 A2 B1 3 4 0 1 2 3  B2 4 0 1 2 3 4  B3 0 1 2 3 4 0  

Я хотел бы для каждой строки разделить Y1 и Y2 на Y3, когда Y3 не равно 0. Я не знаю, как совместить условие Y3gt;0 с выбором элемента.

Каков наилучший способ сделать это? np.where() , маска или просто индексирование? Я получаю доступ к Y3 следующим образом:

 idx = pd.IndexSlice print(df.loc[idx[:,:],idx[:,'Y3']] gt; 0)  

 X1 X2  Y3 Y3 A1 B1 True False  B2 True True  B3 True True A2 B1 False True  B2 True True  B3 True False  

Редактировать:

Это то, что я хочу, используя for циклы:

 A = ['A1','A2'] B = ['B1','B2','B3'] X = ['X1','X2'] Y = ['Y1','Y2','Y3'] miind = pd.MultiIndex.from_product([A,B]) micol = pd.MultiIndex.from_product([X,Y]) df = pd.DataFrame((np.arange(len(miind)*len(micol)) % 5).reshape(len(miind),len(micol)),   index=miind, columns=micol) for i, a in enumerate(A):  df1 = df.loc[a]  for j,b in enumerate(B):  df2 = df1.loc[b]  for k,x in enumerate(X):  s1 = df2.loc[x]  if s1['Y3'] gt; 0:  df.loc[idx[a,b],idx[x,'Y1']] /= s1['Y3']  df.loc[idx[a,b],idx[x,'Y2']] /= s1['Y3'] print(df)  

 X1 X2   Y1 Y2 Y3 Y1 Y2 Y3 A1 B1 0.000000 0.500000 2 3.000000 4.000000 0  B2 0.333333 0.666667 3 4.000000 0.000000 1  B3 0.500000 0.750000 4 0.000000 0.500000 2 A2 B1 3.000000 4.000000 0 0.333333 0.666667 3  B2 4.000000 0.000000 1 0.500000 0.750000 4  B3 0.000000 0.500000 2 3.000000 4.000000 0  

Однако это решение не является элегантным и, вероятно, плохо масштабируется для больших кадров данных…

Вы можете складывать и распаковывать свой фрейм данных:

 # stack the dataframe tmp = df.stack(level=0)  # divide the columns of the stacked dataframe tmp.loc[tmp['Y3']!= 0, 'Y1'] /= tmp.loc[tmp['Y3']!= 0, 'Y3'] tmp.loc[tmp['Y3']!= 0, 'Y2'] /= tmp.loc[tmp['Y3']!= 0, 'Y3']  # unstack the divided dataframe tmp = tmp.unstack(level=2)  

На данный момент у нас есть:

 Y1 Y2 Y3   X1 X2 X1 X2 X1 X2 A1 B1 0.000000 3.000000 0.500000 4.000000 2 0  B2 0.333333 4.000000 0.666667 0.000000 3 1  B3 0.500000 0.000000 0.750000 0.500000 4 2 A2 B1 3.000000 0.333333 4.000000 0.666667 0 3  B2 4.000000 0.500000 0.000000 0.750000 1 4  B3 0.000000 3.000000 0.500000 4.000000 2 0  

Не так уж плохо, что уровни столбцов-это не то, что мы хотим. Давайте продолжим…

 # reverse the column levels tmp.columns = pd.MultiIndex.from_tuples((j,i) for i,j in tmp.columns)  # and sort the columns result = tmp.sort_index(axis=1)  

Теперь у нас есть, как и ожидалось:

 X1 X2   Y1 Y2 Y3 Y1 Y2 Y3 A1 B1 0.000000 0.500000 2 3.000000 4.000000 0  B2 0.333333 0.666667 3 4.000000 0.000000 1  B3 0.500000 0.750000 4 0.000000 0.500000 2 A2 B1 3.000000 4.000000 0 0.333333 0.666667 3  B2 4.000000 0.000000 1 0.500000 0.750000 4  B3 0.000000 0.500000 2 3.000000 4.000000 0