假设我有以下数据框：
a b c Sce1 Sce2 Sce3 Sce4 Sce5 Sc6 Animal Ground Dog 0.0 0.9 0.5 0.0 0.3 0.4 Animal Ground Cat 0.6 0.5 0.3 0.5 1.0 0.2 Animal Air Eagle 1.0 0.1 0.1 0.6 0.9 0.1 Animal Air Owl 0.3 0.1 0.5 0.3 0.5 0.9 Object Metal Car 0.3 0.3 0.8 0.6 0.5 0.6 Object Metal Bike 0.5 0.1 0.4 0.7 0.4 0.2 Object Wood Chair 0.9 0.6 0.1 0.9 0.2 0.8 Object Wood Table 0.9 0.6 0.6 0.1 0.9 0.7
我想创建一个MultiIndex，它将包含每个lvl的总和。输出将如下所示：
a b c Sce1 Sce2 Sce3 Sce4 Sce5 Sce6 Animal 1.9 1.6 1.4 1.3 2.7 1.6 Ground 0.6 1.4 0.8 0.5 1.3 0.6 Dog 0.0 0.9 0.5 0.0 0.3 0.4 Cat 0.6 0.5 0.3 0.5 1.0 0.2 Air 1.3 0.2 0.7 0.8 1.4 1.0 Eagle 1.0 0.1 0.1 0.6 0.9 0.1 Owl 0.3 0.1 0.5 0.3 0.5 0.9 Object 2.6 1.6 1.8 2.3 2.0 2.3 Metal 0.8 0.3 1.1 1.3 0.9 0.8 Car 0.3 0.3 0.8 0.6 0.5 0.6 Bike 0.5 0.1 0.4 0.7 0.4 0.2 Wood 1.8 1.3 0.6 1.0 1.1 1.5 Chair 0.9 0.6 0.1 0.9 0.2 0.8 Table 0.9 0.6 0.6 0.1 0.9 0.7
目前，我正在使用循环在每个级别上创建三个不同的数据框，然后在excel上对其进行操作，如下所示。因此，如果可能的话，我想在python中进行此计算。
for i in range range(0,3): df = df.groupby(list(df.columns)[0:lvl], as_index=False).sum() return df
提前谢谢了。
一些自由使用 MAGIC
MAGIC
pd.concat([ df.assign( **{x: 'Total' for x in 'abc'[i:]} ).groupby(list('abc')).sum() for i in range(4) ]).sort_index() Sce1 Sce2 Sce3 Sce4 Sce5 Sc6 a b c Animal Air Eagle 1.0 0.1 0.1 0.6 0.9 0.1 Owl 0.3 0.1 0.5 0.3 0.5 0.9 Total 1.3 0.2 0.6 0.9 1.4 1.0 Ground Cat 0.6 0.5 0.3 0.5 1.0 0.2 Dog 0.0 0.9 0.5 0.0 0.3 0.4 Total 0.6 1.4 0.8 0.5 1.3 0.6 Total Total 1.9 1.6 1.4 1.4 2.7 1.6 Object Metal Bike 0.5 0.1 0.4 0.7 0.4 0.2 Car 0.3 0.3 0.8 0.6 0.5 0.6 Total 0.8 0.4 1.2 1.3 0.9 0.8 Total Total 2.6 1.6 1.9 2.3 2.0 2.3 Wood Chair 0.9 0.6 0.1 0.9 0.2 0.8 Table 0.9 0.6 0.6 0.1 0.9 0.7 Total 1.8 1.2 0.7 1.0 1.1 1.5 Total Total Total 4.5 3.2 3.3 3.7 4.7 3.9
我可以完全按照您的要求
pd.concat([ df.assign( **{x: '' for x in 'abc'[i:]} ).groupby(list('abc')).sum() for i in range(1, 4) ]).sort_index() Sce1 Sce2 Sce3 Sce4 Sce5 Sc6 a b c Animal 1.9 1.6 1.4 1.4 2.7 1.6 Air 1.3 0.2 0.6 0.9 1.4 1.0 Eagle 1.0 0.1 0.1 0.6 0.9 0.1 Owl 0.3 0.1 0.5 0.3 0.5 0.9 Ground 0.6 1.4 0.8 0.5 1.3 0.6 Cat 0.6 0.5 0.3 0.5 1.0 0.2 Dog 0.0 0.9 0.5 0.0 0.3 0.4 Object 2.6 1.6 1.9 2.3 2.0 2.3 Metal 0.8 0.4 1.2 1.3 0.9 0.8 Bike 0.5 0.1 0.4 0.7 0.4 0.2 Car 0.3 0.3 0.8 0.6 0.5 0.6 Wood 1.8 1.2 0.7 1.0 1.1 1.5 Chair 0.9 0.6 0.1 0.9 0.2 0.8 Table 0.9 0.6 0.6 0.1 0.9 0.7
至于如何！我将其留给读者练习。
