for 루프를 사용하여 레벨 0 인덱스를 사용하지 않고 multiindex 데이터 프레임 (기본적으로 groupby 설명 데이터 프레임)에 함수를 적용하고 싶습니다. 내 dataframe의pandas 멀티 인텍스에 함수 적용
def CI(x):
import math
sigma = x["std"]
n = x["count"]
return 1.96 * sigma/math.sqrt(n)
샘플 : 내가 좋아하는 것
기능 적용
df = df.iloc[47:52, [3,4,-1]]
a b id
47 0.218182 0.000000 0d1974107c6731989c762e96def73568
48 0.000000 0.000000 0d1974107c6731989c762e96def73568
49 0.218182 0.130909 0d1974107c6731989c762e96def73568
50 0.000000 0.000000 0fd4f3b4adf43682f08e693a905b7432
51 0.000000 0.000000 0fd4f3b4adf43682f08e693a905b7432
을 그리고 유모와 0을 대체 :
df = df.replace(float(0), np.nan)
Groupy를 ID와 설명 멀티 인덱스를 얻었습니다 :
df_group = df.groupby("id").describe()
는 내가 좋아하고 생각하지 않는다 현재 솔루션을 향상시킬 수있다 : I는 A에서 Z까지 최고 수준의 열이있는 경우, 그래서 다시
a b
id
06f32e6e45da385834dac983256d59f3 nan nan
0d1974107c6731989c762e96def73568 0.005 0.225
0fd4f3b4adf43682f08e693a905b7432 0.008 nan
11e0057cdc8b8e1b1cdabfa8a092ea5f 0.018 0.582
120549af6977623bd01d77135a91a523 0.008 0.204
:
l_df = []
for column in df_group.columns.levels[0]:
df = pd.DataFrame({"CI" : df_group[column].apply(CI, axis = 1)})
l_df.append(df)
CI = pd.concat(l_df, axis = 1)
CI.columns = df_group.columns.levels[0]
그래서 내가 뭔가를 얻을 , 그리고 각각은 std와 count 열을 포함하고 있습니다. 어떻게이 각각의 열에 동시에 함수를 적용 할 수 있습니까?
df
가 응답을 당신에게 존 감사CI
필요가 없습니다. 그것은 더 짧은 해결책이지만, 원칙적으로 그것은 나의 해결책을 바꾸고 있습니다. 나는 루프 (loop) 나리스트 comprehensions없이 multiindex 레벨에서 작동 할 수있는 pandas 내의 메소드가 있는지 알고 싶었다. – LostBoardOnTaurangaBeachGenius! 이것은 내가 찾고 있던 대답이다. 당신은 groupby를 여러 번 수행하는 것이 정상이라고 생각했고, 람다를 재귀 적으로 사용하는 방법을 생각했습니다. 매우 감사! 포인트를 보상 할 수 있도록 답변을 게시해야합니다 (올바르게 보상 시스템을 이해하는 경우 - 신종) – LostBoardOnTaurangaBeach
답변으로 추가했습니다. – Zero