Comment agréger des sous-données dans des pandas?

Question

Supposons que j'ai deux nivelé dataframe

In [1]: index = pd.MultiIndex.from_tuples([(i,j) for i in range(3) 
     :           for j in range(1+i)], names=list('ij')) 
     : df = pd.DataFrame(0.1*np.arange(2*len(index)).reshape(-1,2), 
     :     columns=list('xy'), index=index) 
     : df 
Out[1]: 
     x y 
i j 
0 0 0.0 0.1 
1 0 0.2 0.3 
    1 0.4 0.5 
2 0 0.6 0.7 
    1 0.8 0.9 
    2 1.0 1.1 

multi-indexé et je veux exécuter une fonction personnalisée sur chaque sous-trame de données:

In [2]: def my_aggr_func(subdf): 
     :  return subdf['x'].mean()/subdf['y'].mean() 
     : 
     : level0 = df.index.levels[0].values 
     : pd.DataFrame({'mean_ratio': [my_aggr_func(df.loc[i]) for i in level0]}, 
     :    index=pd.Index(level0, name=index.names[0])) 
Out[2]: 
    mean_ratio 
i 
0 0.000000 
1 0.750000 
2 0.888889 

Y at-il une façon élégante de le faire avec df.groupby('i').agg(__something__) ou quelque chose de similaire?

Answer 1

Besoin GroupBy.apply, qui travaille avec DataFrame:

df1 = df.groupby('i').apply(my_aggr_func).to_frame('mean_ratio') 
print (df1) 
    mean_ratio 
i    
0 0.000000 
1 0.750000 
2 0.888889 

Answer 2

Vous n'avez pas besoin de la fonction personnalisée. Vous pouvez calculer les 'moyens de groupe' avec agg puis effectuer un eval pour obtenir le ratio que vous voulez.

df.groupby('i').agg('mean').eval('x/y') 

i 
0 0.000000 
1 0.750000 
2 0.888889 
dtype: float64