MultiIndex не сохраняется, когда pd.concating несколько строк промежуточных итогов - PullRequest
Новая
       14

MultiIndex не сохраняется, когда pd.concating несколько строк промежуточных итогов

2 голосов
/ 04 июня 2019

Я теряю свой multiIndex, когда пытаюсь pd.concat второй промежуточный итог. Я могу добавить первый промежуточный итог, но не второй, который является суммой B0.

Вот как мой текущий df: 

lvl0                    a         b     
lvl1                  bar  foo  bah  foo
A0 B0 C0 D0             1    0    3    2
         D1             5    4    7    6
         First Total    6    4   10    8
      C1 D0             9    8   11   10
         D1            13   12   15   14
         First Total   22   20   26   24
      C2 D0            17   16   19   18

После попытки добавить второй промежуточный итог я получаю это: 

lvl0                            a           b      
lvl1                          bar   foo   bah   foo
(A0, B0, C2, First Total)    38    36    42    40
(A0, B0, C3, D0)             25    24    27    26
(A0, B0, C3, D1)             29    28    31    30
(A0, B0, C3, First Total)    54    52    58    56
(A0, B0, Second Total)      120   112   136   128
(A0, B1, C0, D0)             33    32    35    34
(A0, B1, C0, D1)             37    36    39    38
(A0, B1, C0, First Total)    70    68    74    72
(A0, B1, C1, D0)             41    40    43    42

Вы должны быть в состоянии скопировать и вставить приведенный ниже код для проверки 

import pandas as pd
import numpy as np

# creating multiIndex
def mklbl(prefix, n):
    return ["%s%s" % (prefix, i) for i in range(n)]


miindex = pd.MultiIndex.from_product([mklbl('A', 4),
                                        mklbl('B', 2),
                                        mklbl('C', 4),
                                        mklbl('D', 2)])


micolumns = pd.MultiIndex.from_tuples([('a', 'foo'), ('a', 'bar'),
                                        ('b', 'foo'), ('b', 'bah')],
                                      names=['lvl0', 'lvl1'])


dfmi = pd.DataFrame(np.arange(len(miindex) * len(micolumns))
                     .reshape((len(miindex), len(micolumns))),
                    index=miindex,
                   columns=micolumns).sort_index().sort_index(axis=1)

# My code STARTS HERE
# creating the first subtotal
print(dfmi.index)
df1 = dfmi.groupby(level=[0,1,2]).sum()
df2 = dfmi.groupby(level=[0, 1]).sum()

df1 = df1.set_index(np.array(['First Total'] * len(df1)), append=True)
dfmi = pd.concat([dfmi, df1]).sort_index(level=[0, 1])

print(dfmi)

# this is where the multiIndex is lost
df2 = df2.set_index(np.array(['Second Total'] * len(df2)), append=True)
dfmi = pd.concat([dfmi, df2]).sort_index(level=[1])

print(dfmi)

Как бы я хотел, чтобы это выглядело: 

lvl0                    a         b     
lvl1                  bar  foo  bah  foo
A0 B0 C0 D0             1    0    3    2
         D1             5    4    7    6
         First Total    6    4   10    8
      C1 D0             9    8   11   10
         D1            13   12   15   14
         First Total   22   20   26   24
      C2 D0            17   16   19   18
         D1            21   20   23   22
         First Total   38   36   42   40
      C3 D0            25   24   27   26
         D1            29   28   31   30
         First Total   54   52   58   56
      Second Total     120  112  136  128
   B1 C0 D0            33   32   35   34
         D1            37   36   39   38
         First Total   70   68   74   72
      C1 D0            41   40   43   42
         D1            45   44   47   46
         First Total   86   84   90   88
      C2 D0            49   48   51   50
         D1            53   52   55   54
         First Total  102  100  106  104
      C3 D0            57   56   59   58
         D1            61   60   63   62
         First Total  118  116  122  120
       Second Total   376  368  392  384

первая сумма - сумма уровня 2, вторая сумма - сумма уровня 1

Ответы [ 2 ]

2 голосов
/ 04 июня 2019

dfmi имеет 4-уровневый MultiIndex: 

In [208]: dfmi.index.nlevels
Out[208]: 4

df2 имеет 3-уровневый мультииндекс. Вместо этого, если вы используете 

df2 = df2.set_index([np.array(['Second Total'] * len(df2)), [''] * len(df2)], append=True)

затем df2 заканчивается 4-уровневым MultiIndex. Когда dfmi и df2 имеют одинаковое количество уровней, затем pd.concat([dfmi, df2]) дает желаемый результат.

Одна из проблем, с которой вы можете столкнуться при сортировке по меткам индекса, состоит в том, что она опирается на строки 'First' и 'Second' появляются последними в алфавитном порядке. Альтернативой сортировке по индексу будет присвоение числового столбца order и сортировка по этому вместо: 

dfmi['order'] = range(len(dfmi))
df1['order'] = dfmi.groupby(level=[0,1,2])['order'].last() + 0.1
df2['order'] = dfmi.groupby(level=[0,1])['order'].last() + 0.2
...
dfmi = pd.concat([dfmi, df1, df2])        
dfmi = dfmi.sort_values(by='order')

Включая улучшение Скотта Бостона , код будет выглядеть следующим образом: 

import pandas as pd
import numpy as np

def mklbl(prefix, n):
    return ["%s%s" % (prefix, i) for i in range(n)]


miindex = pd.MultiIndex.from_product([mklbl('A', 4),
                                        mklbl('B', 2),
                                        mklbl('C', 4),
                                        mklbl('Z', 2)])


micolumns = pd.MultiIndex.from_tuples([('a', 'foo'), ('a', 'bar'),
                                        ('b', 'foo'), ('b', 'bah')],
                                      names=['lvl0', 'lvl1'])


dfmi = pd.DataFrame(np.arange(len(miindex) * len(micolumns))
                     .reshape((len(miindex), len(micolumns))),
                    index=miindex,
                   columns=micolumns).sort_index().sort_index(axis=1)

df1 = dfmi.groupby(level=[0,1,2]).sum()
df2 = dfmi.groupby(level=[0, 1]).sum()

dfmi['order'] = range(len(dfmi))
df1['order'] = dfmi.groupby(level=[0,1,2])['order'].last() + 0.1
df2['order'] = dfmi.groupby(level=[0,1])['order'].last() + 0.2

df1 = df1.assign(lev4='First').set_index('lev4', append=True)
df2 = df2.assign(lev3='Second', lev4='').set_index(['lev3','lev4'], append=True)
dfmi = pd.concat([dfmi, df1, df2])
dfmi = dfmi.sort_values(by='order')
dfmi = dfmi.drop(['order'], axis=1)
print(dfmi)

, что дает 

lvl0                  a         b     
lvl1                bar  foo  bah  foo
A0 B0 C0     Z0       1    0    3    2
             Z1       5    4    7    6
             First    6    4   10    8
      C1     Z0       9    8   11   10
             Z1      13   12   15   14
             First   22   20   26   24
      C2     Z0      17   16   19   18
             Z1      21   20   23   22
             First   38   36   42   40
      C3     Z0      25   24   27   26
             Z1      29   28   31   30
             First   54   52   58   56
      Second        120  112  136  128
...
1 голос
/ 04 июня 2019

@ unutbu указывает на природу проблемы.У df2 есть три уровня мультииндекса, и вам нужен 4-й уровень.

Я бы использовал assign и set_index для создания этого четвертого уровня: 

df2 = df2.assign(lev3='Second Total', lev4='').set_index(['lev3','lev4'], append=True)

Это позволяет избежать расчета длиныкадра данных.

...