如何防止Groupby超越指数？

问题描述

假设您有以下半MultiIndex object

import pandas as pd
df = pd.DataFrame({
    'c': {
        ('r', 'r1'): 1.,
        ('r', 'r2'): 2.,
    },
})
print(df)
#       c
# r r1  1
#   r2  2

让我们重点关注分层索引，即垂直索引。首先，请注意，正如预期的那样，我们拥有

>>> df.index.__class__.__name__
'MultiIndex'

重点是pandas.DataFrame.groupby可能-classdf.index取决于最终的级数是否为1。

>>> dfg = df.groupby(axis=0, level=0).sum()
>>> dfg.index.__class__.__name__
'Index'

防止/纠正此类行为的最干净方法是什么？目前，我同意

>>> dfg.index = pd.Index((c,) for c in dfg.index)  # Doing so is equivalent to using `pd.MultiIndex.from_tuples`
>>> dfg.index.__class__.__name__
'MultiIndex'

为什么？查看评论：没有XY问题...

>>> df_            = df.copy()  # copy for the sake of illustration
>>> df_.iloc[:, :] = dfg  # Actually equivalent to `df_.update(dfg)`
>>> df_
      c
r r1  3
  r2  3
# whereas without correction:
#        c
# r r1 nan
#   r2 nan

NB：此方法适用于所有dfg.index.nlevels。

推荐答案

尝试使用pd.DataFrame.align：

df.align(dfg, level=0)

输出：

(        c
 r r1  1.0
   r2  2.0,
         c
 r r1  3.0
   r2  3.0)

注意：每个数据帧具有相同索引的元组。

然后，

 pd.concat(list(df.align(dfg, level=0)), axis=1)

然后您可以获得连接的数据帧，如下所示：

        c    c
r r1  1.0  3.0
  r2  2.0  3.0