设置多级pandas数据框中的值python

Question

我最近一直在使用多级DataFrames，我发现它们可以显著减少大型数据集的计算时间。例如，考虑简单的数据帧：

df = pd.DataFrame([
        [1, 111, 0], [2, 222, 0], [1, 111, 0],
        [2, 222, 1], [1, 111, 1], [2, 222, 2]
    ], columns=["ID", "A", "B"], index=[1, 1, 2, 2, 3, 3]
)
df.head(6)

    ID   A    B
1   1   111   0
1   2   222   0
2   1   111   0
2   2   222   1
3   1   111   1
3   2   222   2

它可以通过ID旋转来创建多级数据框：

pivot_df = df.pivot(columns="ID")
pivot_df.head()

     A        B
ID   1   2    1   2
1   111 222   0   0
2   111 222   0   1
3   111 222   1   2

使用这种格式的数据的好处是，我可以通过引用0级列来对所有in执行“向量”操作：

pivot_df["A"] * (1 + pivot_df["B"])**2

ID  1   2
1   111 222
2   111 888
3   444 999

这些操作对我真的很有帮助！在现实生活中，我的计算要复杂得多，需要对> 1000个ID执行。我使用的一种常见的DataFrame大小包含10列(在级别0)，有1000个ID(在级别1)，有350行。

我感兴趣的是要做两件事:更新这个旋转的DataFrame中特定字段的值；为这个DataFrame创建一个新列。就像这样

pivot_df["A"] = pivot_df["A"] * (1 + pivot_df["B"])**2

或

pivot_df["C"] = pivot_df["A"] * (1 + pivot_df["B"])**2

当我执行这两个操作时，我没有得到任何错误，但是DataFrame保持不变。我也尝试过使用.loc和.iloc，但没有成功。

我认为问题是维护计算的DataFrames的多级结构，但我对使用多级DataFrames非常陌生，不确定如何有效地解决这个问题。我有一个笨拙的变通方法，效率很低(创建一个计算DataFrames的字典，然后将它们合并在一起……

df_dict = OrderedDict()
df_dict["A"] = pivot_df["A"]
df_dict["B"] = pivot_df["B"]
df_dict["C"] = pivot_df["A"] * (1 + pivot_df["B"])**2

dfs = [val.T.set_index(np.repeat(key, val.shape[1]), append=True).T for key, val in df_dict.iteritems()]
final_df = reduce(lambda x, y: pd.merge(x, y, left_index=True, right_index=True), dfs)
final_df.columns = final_df.columns.swaplevel(0, 1)

或者类似的，

df_dict = OrderedDict()
df_dict["A"] = pivot_df["A"] * (1 + pivot_df["B"])**2
df_dict["B"] = pivot_df["B"]

dfs = [val.T.set_index(np.repeat(key, val.shape[1]), append=True).T for key, val in df_dict.iteritems()]
final_df = reduce(lambda x, y: pd.merge(x, y, left_index=True, right_index=True), dfs)
final_df.columns = final_df.columns.swaplevel(0, 1)

这不一定很笨拙(我对这个变通方法感到自豪)，但这肯定不是高效或计算优化的。有人有什么建议吗？

Answer 1

选项1

不要先旋转！

您说枢轴是很方便的，因为您可以在新的枢轴形式中执行向量计算。这是一个错误的表示，因为您可以在轴心之前轻松地执行这些计算。

df['C'] = df["A"] * (1 + df["B"]) ** 2
df.pivot(columns='ID')

      A       B       C      
ID    1    2  1  2    1     2
1   111  222  0  0  111   222
2   111  222  0  1  111   888
3   111  222  1  2  444  1998

如果您愿意，也可以使用管道一行程序

df.assign(C=df.A * (1 + df.B) ** 2).pivot(columns='ID')

      A       B       C      
ID    1    2  1  2    1     2
1   111  222  0  0  111   222
2   111  222  0  1  111   888
3   111  222  1  2  444  1998

选项2

pd.concat

但是为了回答你的问题..。

pdf = df.pivot(columns='ID')
pd.concat([
        pdf.A, pdf.B, pdf.A * (1 + pdf.B) ** 2
    ], axis=1, keys=['A', 'B', 'C'])

      A       B       C      
ID    1    2  1  2    1     2
1   111  222  0  0  111   222
2   111  222  0  1  111   888
3   111  222  1  2  444  1998

选项3

更多pd.concat

在合并之前将另一个标高添加到列

pdf = df.pivot(columns='ID')
c = pdf.A * (1 + pdf.B) ** 2
c.columns = [['C'] * len(c.columns), c.columns]

pd.concat([pdf, c], axis=1)

      A       B       C      
ID    1    2  1  2    1     2
1   111  222  0  0  111   222
2   111  222  0  1  111   888
3   111  222  1  2  444  1998