代码之家 › 专栏 › 技术社区 › NickP

在二级索引中应用新行

pandas-apply pandas-groupby numpy pandas python

0

NickP · 技术社区 · 6 年前

我有一个数据框,看起来像:

+-----------+---------+-------+-------+-------+
|           |         | Day 1 | Day 2 | Day 3 |
+-----------+---------+-------+-------+-------+
| Product 1 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
| Product 2 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
| Product 3 | Revenue |     0 |     0 |     0 |
|           | Cost    |     0 |     0 |     0 |
+-----------+---------+-------+-------+-------+

基本上是一个垂直的两级索引。第一个层次是产品,第二个层次是收入或成本。

Product 1 Revenue    0
          Cost       0
          Profit     0

如何做到这一点?

1 回复 | 直到 6 年前

1

Little Bobby Tables 6 年前

它确实取决于您要执行此操作的次数以及当前其他值的存储方式。

如果你只想增加一小部分利润以上每一个你可以使用 this method . 但是,此方法使用 ix at ,

df = pd.DataFrame({('A', 'b'): [1, 2, 3], ('A', 'a'): [7, 2, 9]}).T
df.at[('B', 'a'), :] = [1, 4, 5]

Out[1]:     
                0    1   2
         A  b   1    2   3
            a   7    2   9
         B  a   1    4   5

concat ,就像这样,

df = pd.DataFrame({('A', 'b'): [1, 2, 3], ('A', 'a'): [7, 2, 9]}).T
df2 = pd.DataFrame({('B', 'a'): [1, 4, 5]}).T

pd.concat([df, df2])

Out[1]: 
        0   1   2
A   b   1   2   3
    a   7   2   9
B   a   1   4   5