下图显示了一个多索引,我正在尝试对数据执行类似的操作:
为了演示我试图用真实的数据做什么,我把这些简化的虚拟数据放在一起以重现它
df = pd.DataFrame(np.random.randn(12, 3), columns=['A', 'B', 'C'])
cols = list(df.columns)
colsComb = list(combinations(cols, 2))
colsComb
[('A', 'B'), ('A', 'C'), ('B', 'C')]
#create new columns with pairs of
newcols = []
for row in colsComb:
a,b = row
name = str(a+ '/' + b)
df[name] = pd.Series(np.nan, index=df.index,)
df[name] = abs(df[a] - df[b])
newcols.append(name)
因此,由于我的A/B
数据是从A
和B
派生出来的,我想用另一种方法通过A/B
相关的索引/groupby或类似的方法来调用one
和two
,就像上面第一个例子中bar
可以调用的那样
我把这个例子放在一起,并希望有一些明显的方法来做到这一点,我错过了,因为我正在与此斗争
我不明白你到底想要什么。如果您只想添加一个多索引,如您的示例中所示,您可以这样做
相关问题 更多 >
编程相关推荐