在多索引列上执行聚合

Question

我从这个数据框开始：

df = pd.DataFrame(
    [
        ["a", "aa", "2020-12-20", 10],
        ["a", "ab", "2020-12-26", 11],
        ["a", "aa", "2020-12-22", 10],
        ["b", "bb", "2020-12-25", 111],
        ["c", "bb", "2020-12-20", 20],
        ["d", "dd", "2020-12-05", 1111]
    ],
    columns=["cat", "user", "date", "value"]
)
df["date"] = pd.to_datetime(df.date)

	猫	用户	日期	价值
0	一种	aa	2020-12-20 00:00:00	10
1	一种	AB	2020-12-26 00:00:00	11
2	一种	aa	2020-12-22 00:00:00	10
3	乙	bb	2020-12-25 00:00:00	111
4	C	bb	2020-12-20 00:00:00	20
5	d	日	2020-12-05 00:00:00	1111

接下来，我正在运行以下聚合：

gb = (
    df.set_index("date")
    .groupby("cat")
    .resample("W")
    .agg(
        {"value": "sum", "user": ["nunique", lambda x: x.unique()]}
    )
    .rename({"<lambda>": "unqiue_users"}, axis=1)
)

这会生成一个在列中具有多索引的表：

               value    user             
                 sum nunique unqiue_users
cat date                                 
a   2020-12-20    10       1           aa
    2020-12-27    21       2     [aa, ab]
b   2020-12-27   111       1           bb
c   2020-12-20    20       1           bb
d   2020-12-06  1111       1           dd

最后，我正在尝试对最后一个结果进行聚合，例如：

gb.groupby(level=0)[["value", "sum"]].mean()

我不知道如何“访问”具有多索引的列。任何的想法？

Answer 1

对于选择 MultiIndex 和使用的元组，这里使用了一个元素列表：

print (gb.groupby(level=0)[[("value", "sum")]].mean())
      value
        sum
cat        
a      15.5
b     111.0
c      20.0
d    1111.0

或者您可以使用mean每个级别的简化解决方案：

print (gb[[("value", "sum")]].mean(level=0))
      value
        sum
cat        
a      15.5
b     111.0
c      20.0
d    1111.0

对于Series选择省略嵌套列表：

print (gb[("value", "sum")].mean(level=0))
cat
a      15.5
b     111.0
c      20.0
d    1111.0
Name: (value, sum), dtype: float64

您的解决方案应该更改以避免MultiIndex在列中：

gb = (
    df.set_index("date")
    .groupby(["cat", pd.Grouper(freq='W')])
    .agg(val = ("value",  "sum"),
         nuniq = ("user", "nunique"),
         unqiue_users = ("user", lambda x: x.unique()))
    )
    
print (gb)
                 val  nuniq unqiue_users
cat date                                
a   2020-12-20    10      1           aa
    2020-12-27    21      2     [ab, aa]
b   2020-12-27   111      1           bb
c   2020-12-20    20      1           bb
d   2020-12-06  1111      1           dd


print (gb['val'].mean(level=0))
cat
a      15.5
b     111.0
c      20.0
d    1111.0
Name: val, dtype: float64