我有一個帶有 MultiIndex 的數據框。這是一個最小的工作示例：df = pd.DataFrame({'note':[1,1,1,2,2,2,2],'t': [0.5,0.7,1.2,0.3,0.9,1.3,1.7],'val':[1,-1,0,0,1,0,0]})dfs = df.set_index(['note','t'])這使>>> dfs valnote t1 0.5 1 0.7 -1 1.2 02 0.3 0 0.9 1 1.3 0 1.7 0我想要的是獲得（a）最小值和（b）t每組索引中的第一個值：note min first1 0.5 0.52 0.3 0.3我可以對原始數據框進行分組df，其中note和t是列而不是索引：df.groupby('note').agg({'t': [min, lambda x: list(x)[0]]})但我寧愿不執行reset_index()另一個set_index()將數據幀恢復到 MultiIndex 版本的操作。我該怎么做呢？該agg函數僅適用于列，而不適用于索引。
2 回答
開滿天機
TA貢獻1786條經驗 獲得超13個贊
這是可能的，但不是很干凈：
df = (dfs.index.get_level_values(1).to_series()
.groupby(dfs.index.get_level_values(0))
.agg(['min', 'first']))
print (df)
min first
note
1 0.5 0.5
2 0.3 0.3
df = dfs.reset_index('t').groupby(level=0)['t'].agg(['min', 'first'])
print (df)
min first
note
1 0.5 0.5
2 0.3 0.3
楊魅力
TA貢獻1811條經驗 獲得超6個贊
您可以直接在多索引上工作。用于to_series轉換dfs.index為一系列多索引和元組值。接下來，切片以獲取元組值的最后一個元素。之后就做groupby和level=0喜歡agg常規專欄
dfs.index.to_series().str[-1].groupby(level=0).agg(['min', 'first'])
Out[463]:
min first
note
1 0.5 0.5
2 0.3 0.3
添加回答
舉報
0/150
提交
取消