一個乾淨/高效的方式，通過在python熊貓中的索引來加總行

Question

你好，我有一個數據框，我試圖通過索引來加減行。

先在容易複製格式的數據：

data = [['Name1','Obj1','Ind1',10,5,3,6],['Name1','Obj1','Ind2',10,5,2,1],['Name1','Obj1','Ind3',10,5,5,2],['Name1','Obj2','Ind1',15,7,33,15],['Name1','Obj2','Ind2',15,7,15,9],['Name1','Obj2','Ind3',15,7,32,9]] 

然後數據幀：

>>> df = pd.DataFrame(data,columns=['Name','Object','Index','Const1','Const2','Method1','Method2']) 
>>> df 
    Name Object Index Const1 Const2 Method1 Method2 
0 Name1 Obj1 Ind1  10  5  3  6 
1 Name1 Obj1 Ind2  10  5  2  1 
2 Name1 Obj1 Ind3  10  5  5  2 
3 Name1 Obj2 Ind1  15  7  33  15 
4 Name1 Obj2 Ind2  15  7  15  9 
5 Name1 Obj2 Ind3  15  7  32  9 

這是一個截斷DF只有有一個「名稱」，但在現實DF可以有很多。儘管「指數」僅限於幾個值。在這種有限的情況下，我想通過「名稱」和「對象」分組來操作「方法」列，然後採取Ind1-Ind2-Ind3。

我這樣做的原始的方式如下：

>>> for ind in ['Ind2','Ind3']: 
...  for meth in ['Method1','Method2']: 
...    df[meth][df['Index']==ind] *= -1 
... 
>>> df 
    Name Object Index Const1 Const2 Method1 Method2 
0 Name1 Obj1 Ind1  10  5  3  6 
1 Name1 Obj1 Ind2  10  5  -2  -1 
2 Name1 Obj1 Ind3  10  5  -5  -2 
3 Name1 Obj2 Ind1  15  7  33  15 
4 Name1 Obj2 Ind2  15  7  -15  -9 
5 Name1 Obj2 Ind3  15  7  -32  -9 

df['Const1'] /= 3 
df['Const2'] /= 3 

>>> df.groupby(['Name','Object']).sum() 
       Const1 Const2 Method1 Method2 
Name Object 
Name1 Obj1  10  5  -4  3 
     Obj2  15  7  -14  -3 

是否有使用Python熊貓這樣做的更好的辦法？

Answer 1

假設你想給每個組內劃分Const1和Const2它們的非空計數（以便總結時保留其價值更高版本）：

In [20]: data = [['Name1','Obj1','Ind1',10,5,3,6], 
    ....:   ['Name1','Obj1','Ind2',10,5,2,1], 
    ....:   ['Name1','Obj1','Ind3',10,5,5,2], 
    ....:   ['Name1','Obj2','Ind1',10,5,33,15], 
    ....:   ['Name1','Obj2','Ind2',10,5,15,9], 
    ....:   ['Name1','Obj2','Ind3',10,5,32,9]] 

In [21]: df = DataFrame(data,columns=['Name','Object','Index','Const1','Const2','Method1','Method2']) 
In [22]: df 
Out[22]: 
    Name Object Index Const1 Const2 Method1 Method2 
0 Name1 Obj1 Ind1  10  5  3  6 
1 Name1 Obj1 Ind2  10  5  2  1 
2 Name1 Obj1 Ind3  10  5  5  2 
3 Name1 Obj2 Ind1  10  5  33  15 
4 Name1 Obj2 Ind2  10  5  15  9 
5 Name1 Obj2 Ind3  10  5  32  9 

In [23]: df.loc[df.Index.isin(['Ind2', 'Ind3']), ['Method1', 'Method2']] *= -1 

In [24]: def plyr(df): 
    ....:  df = df.copy() 
    ....:  df['Const1'] /= float(df.Const1.count()) 
    ....:  df['Const2'] /= float(df.Const2.count()) 
    ....:  return df 
    ....: 

In [25]: df.groupby(['Name', 'Object']).apply(lambda x: plyr(x)._get_numeric_data().sum()) 
Out[25]: 
       Const1 Const2 Method1 Method2 
Name Object 
Name1 Obj1  10  5  -4  3 
     Obj2  10  5  -14  -3