我有以下数据框:
df = pd.DataFrame({('psl', 't1'): {'fiat': 36.389809173765507,
'mazda': 18.139242981049016,
'opel': 0.97626485600703961,
'toyota': 74.464422292108878},
('psl', 't2'): {'fiat': 35.423004380643462,
'mazda': 24.269803148695079,
'opel': 1.0170540474994665,
'toyota': 60.389948228586832},
('psv', 't1'): {'fiat': 35.836800462163097,
'mazda': 15.893295606055901,
'opel': 0.78744853046848606,
'toyota': 74.054850828062271},
('psv', 't2'): {'fiat': 34.379812557124815,
'mazda': 23.202587247335682,
'opel': 0.80191294532382451,
'toyota': 58.735083244244322}})
我希望将它从多索引减少到普通索引。我希望通过应用一个使用 t1 和 t2 值的函数并只返回一个值来做到这一点,这将导致有两列:psl 和 psv。
我已经成功地将它分组并应用了一个函数:
df.groupby(level=0, axis=1).agg(np.mean)
这与我想要的非常接近,只是我不想应用 np.mean,而是应用自定义函数。特别是百分比变化函数。
我的最终目标是能够做这样的事情:
df.groupby(level=0, axis=1).apply(lambda t1, t2: (t2-t1)/t1)
返回此错误:
TypeError: <lambda>() missing 1 required positional argument: 't2'
我也试过这个:
df.apply(lambda x: x[x.name].apply(lambda x: x['t1']/x['t2']))
反过来又返回:
KeyError: (('psl', 't1'), 'occurred at index (psl, t1)')
您能否尽最大努力对答案的每个部分进行详尽的解释,以便我更好地了解 pandas 的工作原理。