Kumulierte Prozentsatz für Multi-Index Datenrahmen in Pandas

Question

Ich möchte Pandas einen kumulativen Prozentsatz für einen Multi-Index Datenrahmen berechnen und kann einfach nicht bekommen, damit es funktioniert.

import pandas as pd 

to_df = {'domain': {(12, 12): 2, (14, 14): 1, (15, 15): 2, (15, 17): 2, (17, 17): 1}, 
'time': {(12, 12): 1, (14, 14): 1, (15, 15): 2, (15, 17): 1, (17, 17): 1}, 
'weight': {(12, 12): 3, 
    (14, 14): 4, 
    (15, 15): 1, 
    (15, 17): 2, 
    (17, 17): 5}} 

df = pd.DataFrame.from_dict(to_df) 

     domain time weight 
12 12  2  1  3 
14 14  1  1  4 
15 15  2  2  1 
    17  2  1  2 
17 17  1  1  5 


df = df.groupby(['time', 'domain']).apply(
pd.DataFrame.sort_values, 'weight', ascending=True) 

cumsum() arbeitet als

df["cum_sum_time_domain"] = df.groupby(['time', 'domain'])['weight'].cumsum() 



       domain time weight cum_sum_time_domain 
time domain             
1 1  14 14  1  1  4     4 
      17 17  1  1  5     9 
    2  15 17  2  1  2     2 
      12 12  2  1  3     5 
2 2  15 15  2  2  1     1 

die Befehle bestimmt läuft selbst

df.groupby(['time', 'domain']).weight.sum() 
df.groupby(['time', 'domain'])['weight'].sum() 

jedoch plötzlich beide Zuordnungen ergeben funktioniert 'NaNs'

df["sum_time_domain"] = df.groupby(['time', 'domain']).weight.sum() 
df 
df["sum_time_domain"] = df.groupby(['time', 'domain'])['weight'].sum() 
df 

Kombinieren der zwei g ives Fehler: ‚auf einem Multi-Index mit mehr als einer Ebene überlappen Verschmelzung ist nicht implementiert‘

df["cum_perc_time_domain"] = 100 * df.groupby(['time', 'domain'])['weight'].cumsum()/df.groupby(
['time', 'domain'])['weight'].sum() 

Answer 1

Ich glaube, Sie brauchen transform mit sum. Auch groupby für die Sortierung ist nicht erforderlich, verwenden Sie nur sort_values:

df = df.sort_values(['time','domain','weight']) 

print (df.groupby(['time', 'domain']).weight.transform('sum')) 
14 14 9 
17 17 9 
15 17 5 
12 12 5 
15 15 1 
Name: weight, dtype: int64 

df["cum_perc_time_domain"] = 100 * df.groupby(['time', 'domain'])['weight'].cumsum()/
            df.groupby(['time', 'domain']).weight.transform('sum') 
print (df) 
     domain time weight cum_perc_time_domain 
14 14  1  1  4    44.444444 
17 17  1  1  5   100.000000 
15 17  2  1  2    40.000000 
12 12  2  1  3   100.000000 
15 15  2  2  1   100.000000