如何将agg应用于具有不同功能的多索引的数据仓库中？

Question

我想要根据索引的第二级将不同的函数应用到具有多个索引的dataframe中。

例如，对于dataframe：

In [4]: df = pd.DataFrame({'a': [1,2,6,7],'b': [7,1,4,5]}, index = pd.MultiIndex.from_tuples( 
   ...:     [('x','tmax'),('x','tmin'),('y','tmax'), ('y','tmin')]))                                                          

In [5]: df                                                                                                                    
Out[5]: 
        a  b
x tmax  1  7
  tmin  2  1
y tmax  6  4
  tmin  7  5     

例如，我希望在索引为(-，tmax)时拥有行的最大值，当索引为(-，tmin)时，获得最小值：

        value
x tmax      7
  tmin      1
y tmax      6
  tmin      5

我尝试过使用agg，但是我不知道如何根据多索引的值应用max和min函数：

df.agg({'tmax': np.max, 'tmin': np.min}, axis = 1)

Answer 1

将concat与DataFrame.xs和聚合函数结合使用：

s = pd.concat([df.xs('tmax', level=1, drop_level=False).max(1),
               df.xs('tmin', level=1, drop_level=False).min(1)]).sort_index()
print (s)
x  tmax    7
   tmin    1
y  tmax    6
   tmin    5
dtype: int64

如果只有值tmax和tmin使用numpy.where，则按二级进行筛选。

m = df.index.get_level_values(1) == 'tmax'

s = pd.Series(np.where(m, df.max(1), df.min(1)), index=df.index)
print (s)
x  tmax    7
   tmin    1
y  tmax    6
   tmin    5
dtype: int64