Панды: агрегирование по разным столбцам с столбцами MultiIndex

Question

Я хотел бы взять фрейм данных со столбцами MultiIndex (где индекс представляет собой DatetimeIndex) и агрегировать по разным функциям в зависимости от столбца.

Например, рассмотрим следующую таблицу, где индекс включает датыпервый уровень столбцов - это цена и объем, а второй уровень столбцов - это тикеры (например, AAPL и AMZN).

df1 = pd.DataFrame({"ticker":["AAPL"]*365, 
                'date': pd.date_range(start='20170101', end='20171231'), 
                'volume' : [np.random.randint(50,100) for i in range(365)],
                'price': [np.random.randint(100,200) for i in range(365)]}) 
df2 = pd.DataFrame({"ticker":["AMZN"]*365, 
                'date': pd.date_range(start='20170101', end='20171231'), 
                'volume' : [np.random.randint(50,100) for i in range(365)], 
                'price': [np.random.randint(100,200) for i in range(365)]})
df = pd.concat([df1,df2])

grp = df.groupby(['date', 'ticker']).mean().unstack()
grp.head()

Что яЯ хотел бы сделать, чтобы агрегировать данные по месяцам, но принимая среднее значение цены и суммы объема.

Я бы подумал, что что-то вроде grp.resample("MS").agg({"price":"mean", "volume":"sum"}) должно работать, но это не потому, чтомногоиндексного столбца.Какой лучший способ сделать это?

Answer 1

Можно

df.groupby([pd.to_datetime(df.date).dt.strftime('%Y-%m'),df.ticker]).\
    agg({"price":"mean", "volume":"sum"}).unstack()
Out[529]: 
              price             volume      
ticker         AAPL        AMZN   AAPL  AMZN
date                                        
2017-01  155.548387  141.580645   2334  2418
2017-02  154.035714  156.821429   2112  2058
2017-03  154.709677  148.806452   2258  2188
2017-04  154.366667  149.366667   2271  2254
2017-05  154.774194  155.096774   2331  2264
2017-06  147.333333  145.133333   2220  2302
2017-07  149.709677  150.645161   2188  2412
2017-08  150.806452  154.645161   2265  2341
2017-09  157.033333  151.466667   2199  2232
2017-10  149.387097  145.580645   2303  2203
2017-11  154.100000  150.266667   2212  2275
2017-12  156.064516  149.290323   2265  2224