Comment utiliser la chaîne de méthode Pandas .assign() sur une colonne MultiIndex?

Question

Pour un seul niveau colonne indexée je faire ce qui suit

arrays = [['one', 'two', ]] 
tuples = list(zip(*arrays)) 
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second']) 
df = pd.DataFrame(pd.np.random.randn(3, 2), index=['A', 'B', 'C'], columns=index) 
print(df) 


first one two 
A 0.919921 -1.407321 
B 1.100169 -0.927249 
C -0.520308 0.619783 

print(df.assign(one=lambda x: x.one * 100)) 

first one   two 
A  144.950877 0.633516 
B  -0.593133 -0.630641 
C  -5.661949 -0.738884 

Maintenant, quand j'ai une colonne multiindice je peux accéder à la colonne désirée à l'aide .loc mais je ne peux pas assigner à quoi que ce soit comme il arrive avec l'erreur SyntaxError: keyword can't be an expression .

Voici un exemple,

arrays = [['bar', 'bar'], 
      ['one', 'two']] 

tuples = list(zip(*arrays)) 
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second']) 
df = pd.DataFrame(pd.np.random.randn(3, 2), index=['A', 'B', 'C'], columns=index) 

print(df) 

first bar 
second one   two 
A  1.119243 0.819455 
B  -0.473354 -1.340502 
C  0.150403 -0.211392 

Cependant,

df.assign(('bar', 'one')=lambda x: x.loc[:, ('bar', 'one')] * 10) 

SyntaxError: keyword can't be an expression 

Je peux faire

df.assign(barOne=lambda x: x.loc[:, ('bar', 'one')] * 10) 


first bar      barOne 
second one   two 
A  0.433909 0.949701 4.339091 
B  0.011486 -1.395144 0.114858 
C  -0.289821 2.106951 -2.89821 

mais ce n'est pas souhaitable. Je voudrais garder ma chaîne de méthodes bien, mais gardez également la colonne MultiIndexed.

Answer 1

Si je lis correctement, ne serait-il pas être aussi simple que:

df Original:

first  bar 
second  one  two 
A  0.386729 1.014010 
B  0.236824 0.439019 
C  0.530020 -0.268751 

code:

df[('bar','one')] *= 10 

Mise à jour df (modifier la colonne):

first   bar 
second  one  two 
A  3.8672946 1.014010 
B  2.3682376 0.439019 
C  5.3002040 -0.268751 

Ou, df mis à jour (créer une nouvelle colonne):

df[('bar','new')] = df[('bar','one')] * 10 

first  bar 
second  one  two  new 
A  0.386729 1.014010 3.867295 
B  0.236824 0.439019 2.368238 
C  0.530020 -0.268751 5.300204