以 Level=0 为组的多级列上的简单向量化数学

Question

我有这个数据：import pandas as pdimport numpy  as npindex = pd.MultiIndex.from_tuples(list(zip(*[['one', 'one', 'two', 'two'],['foo', 'bar', 'foo', 'bar']])))df = pd.DataFrame(np.arange(12).reshape((3,4)), columns=index)  one     two      foo bar foo bar0   0   1   2   31   4   5   6   72   8   9  10  11有没有一种方法可以对每个 1 级列上的每个 0 级组列进行简单的矢量化计算（如加法），而不必引用特定的列级别对，例如：df[('one','add')] = df[('one','foo')]+df[('one','bar')]我想得到  one          two        foo bar add  foo bar add0   0   1   1    2   3   51   4   5   9    6   7  132   8   9  17   10  11  21

Answer 1

我摆弄了一会儿，这是我认为可以解决问题的一句台词。它是完全矢量化的，并且不寻址特定的列名称。它还会将add列放置在正确的位置。

df.stack(0).assign(add=df.stack(0).sum(axis=1)).stack(0).unstack(0).T

不幸的是，由于 stack / unstack 的特性是对最内层进行入栈 / 出栈，因此需要神秘的.stack(0).unstack(0)操作。看起来这两个操作应该互相抵消，但它们实际上在保持顺序的同时打乱索引级别。

这是同样的事情，分为 3 行，没有赋值语句。

df = df.stack(0)

df['add'] = df.sum(axis=1)

df = df.stack(0).unstack(0).T

Answer 2

pandas.DataFrame.sum与axis=1和 一起使用level=0：

df2 = df.sum(axis=1, level=0)

print(df2)

输出：

   one  two

0    1    5

1    9   13

2   17   21

然后您可以将新的列名称添加到pandas.concat：

df2.columns = [(c, "add") for c in df2]

df2 = pd.concat([df, df2], 1).sort_index(1)

print(df2)

输出：

  one         two        

  add bar foo add bar foo

0   1   1   0   5   3   2

1   9   5   4  13   7   6

2  17   9   8  21  11  10

Answer 3

这里有一个替代解决方案，使用相同的求和解决方案，但没有pd.concat：

df[("one", "add")] = None

df[("two", "add")] = None

df.iloc[:, -2:] = df.sum(axis=1, level=0).to_numpy()

df.sort_index(1)

    one              two

     add    bar foo  add    bar foo

0    1.0    1   0    5.0     3  2

1    9.0    5   4    13.0   7   6

2    17.0   9   8    21.0   11  10