pandas部分连接多索引

Question

所以,这是我的问题:

dfa = pd.DataFrame({"a": [["a", "b", "c"][int(k/10)] for k in range(30)],
                    "b": ["a" + repr([10, 20, 30, 40, 50, 60][int(k/5)]) for k in range(30)],
                    "c": np.arange(30),
                    "d": np.random.normal(size=30)}).set_index(["a","b","c"])
dfb = pd.DataFrame({"a": [["a", "b", "c"][int(k/2)] for k in range(6)],
                    "b": ["a" + repr([10, 20, 30, 40, 50, 60][k]) for k in range(6)],
                    "m": np.random.normal(size=6)**2}).set_index(["a","b"])

从本质上讲,我有两个dataframes多指标,我想分dfa.d通过dfb.m,加盟上("a", "b").我不能天真地做dfa.d / dfb.m或join因为它说merging with more than one level overlap on a multi-index is not implemented.

我发现最简单(lol)这样做的方法是:

dfc = dfa.reset_index().set_index(["a", "b"]).join(dfb)
dfc["r"] = dfc.d / dfc.m
dfd = dfc.reset_index().set_index(["a", "b", "c"])[["r"]]

任何捷径？

Answer 1

对于这个问题有一个开放的错误,目前的里程碑说0.15.1.

直到出现更好的东西,还有一个涉及以下步骤的解决方法:

• 通过将不匹配的索引级别unstack放入列中来获取它们
• 执行乘法/除法
• stack 列回到原来的位置.

像这样:

In [109]: dfa.unstack('c').mul(dfb.squeeze(), axis=0).stack('c')
Out[109]: 
                  d
a b   c            
a a10 0    1.535221
      1   -2.151894
      2    1.986061
      3   -1.946031
      4   -4.868800
  a20 5   -2.278917
      6   -1.535684
      7    2.289102
      8   -0.442284
      9   -0.547209
b a30 10 -12.568426
      11   7.180348
      12   1.584510
      13   3.419332
      14  -3.011810
  a40 15  -0.367091
      16   4.264955
      17   2.410733
      18   0.030926
      19   1.219653
c a50 20   0.110586
      21  -0.430263
      22   0.350308
      23   1.101523
      24  -1.371180
  a60 25  -0.003683
      26   0.069884
      27   0.206635
      28   0.356708
      29   0.111380

注意两件事:

1. dfb必须是a Series,否则有关于哪些列dfb用于乘法的额外复杂性.你可以替换dfb.squeeze()使用dfb['m'].
2. 如果不匹配的索引不是三个中的最后一个,则不会保留索引级别的顺序.在这种情况下,执行@jreback建议并在之后重新排序索引级别:.reorder_levels(dfa.index.names)