3

メイン インデックスに 3 つのレベルを持つ DataFrame があります。

from pandas import *
df_multi = DataFrame(np.random.rand(6,2), index = [['CF', 'CF', 'CF', 'DA', 'DA','DA'], ['x', 'y', 'y', 'x', 'y', 'y'], ['a', 'b', 'a', 'a', 'a', 'b']], columns = ['PC1', 'PC2'])
df_multi.index.names =['l1','l2','l3']

In [5]: df_multi
Out[5]: 
       PC1       PC2
l1 l2 l3                    
CF x  a   0.118061  0.473159
   y  b   0.159534  0.407676
      a   0.466731  0.163322
DA x  a   0.152799  0.333438
   y  a   0.632725  0.965348
      b   0.737112  0.834592

ここで、第 3 レベルで合計し、各要素を対応する合計で割って、第 3 レベルでのシェアを取得します (たとえば(CF, x, a)、(CF, x, a)と(CF, y, a)で割る(CF, y, a) + (CF, y, b)など)。

In [6]: df_multi.sum(level = [0, 1])
Out[6]: 
    PC1       PC2
l1 l2                    
CF x   0.118061  0.473159
   y   0.626265  0.570998
DA x   0.152799  0.333438
   y   1.369837  1.799940

と

df_multi_share = df_multi.div(df_multi.sum(level = [0, 1]), level=[0, 1])

ただし、これは機能しません。私は、パーセンテージ シェアの計算に限定されない、複数のレベルでの算術マッチングを可能にする一般的なソリューションを探しています。たとえば、1つのレベルのみを使用する場合は機能します

df_multi = DataFrame(np.random.rand(4,2), index = [['CF', 'CF', 'DA', 'DA'], ['1', '2', '1', '2']], columns = ['PC1', 'PC2'])

df_single = DataFrame(np.random.rand(3,3), index = ['1', '2', '3'], columns = ['PC1', 'PC2', 'PC3'])

df_combined = df_multi.mul(df_single, level = 1)
4

1 に答える 1

2

これは の仕事のようですねtransform。

df_multi.groupby(level=[0,1]).transform(lambda x: x/x.sum())

関連ドキュメント: http://pandas.pydata.org/pandas-docs/stable/groupby.html#transformation

于 2013-03-05T17:47:49.820 に答える