Sequenzielles Sortieren in multi-indizierten Pandas DataFrame

Question

Ich habe einen multi-indizierten Pandas Datenrahmen von numerischen Werten. Ich möchte jede Zeile in einer Teilmenge des Datenrahmens sequentiell sortieren, indem ich zwei andere Teilmengen der Daten verwende. Ich glaube, das folgende Beispiel wäre besser veranschaulichen, was ich brauche:

Betrachten Sie dieses Beispiel Datensatz:

      A   B   C   D 
rtr 2015-01-31 -1.085631 -0.204201 1.730024 1.710438 
    2015-02-28 0.997345 1.979348 1.232650 -0.056341 
key1 2015-01-31 6.180000 0.990000 2.440000 1.920000 
    2015-02-28 1.140000 1.810000 4.560000 0.740000 
key2 2015-01-31 86.000000 36.000000 61.000000 34.000000 
    2015-02-28 97.000000 96.000000 48.000000 98.000000 

Betrachten wir die letzten Zeilen von key1, key2 und rtr unter dem Datum 2015-02-28:

1. In df.loc['key1'], erhalten Sie die Spaltennamen der 2 größten Werte. (dh: C, B)
2. schließen Sie die Spalten C und B aus dem Spaltenbereich aus. (dh: verbleibende Spalten: A, D)
3. in df.loc['key2'], den Spaltennamen des größten Werts im verbleibenden Spaltenbereich abrufen. (Das heißt: die Werte in den Spalten A und D, D größer -> Rückkehr D)
4. fetch Werte von df.loc['rtr'] entsprach, die in den Schritten 1 und 3 (dh gefunden zu den Spaltennamen entsprechen: Liefern Werte df.loc['rtr'].loc['20150228',['C','B','D']]

In [140]: df.loc['rtr'].loc['20150228',['C','B','D']] 
Out[140]: 
C 1.232650 
B 1.979348 
D -0.056341 
Name: 2015-02-28 00:00:00, dtype: float64 

-Code zum Beispiel Datengenerierung:

## generate data: 
d1,d2,d3 = {},{},{} 
np.random.seed(123) 
for col in list("ABCD"): 
    d1[col] = np.random.randn(2) 
    d2[col] = np.random.gamma(2,3,2).round(2) 
    d3[col] = np.random.random_integers(0,100, 2) 
t_index = pd.date_range(start = '2015-01-31', periods = 2, freq = "M") 

dat1 = pd.DataFrame(d1, index = t_index) 
dat2 = pd.DataFrame(d2, index = t_index) 
dat3 = pd.DataFrame(d3, index = t_index) 

df = pd.concat([dat1, dat2, dat3], keys = ['rtr', 'key1', 'key2']) 

Answer 1

Schritt 1: Lösen Sie das Problem für ein bestimmtes Datum.

df1 = df.xs('2015-01-31', level=1) 

columns = df1.loc['key1'].nlargest(2).index.tolist() 
columns.append(df1.loc['key2'][df.columns.difference(columns)].idxmax()) 
df1.loc['rtr', columns] 

Wir verwenden nlargest und den Index des Ergebnisses, weil idxmax nur für eine maximale funktioniert. Wir verwenden idxmax in der folgenden Zeile, nach dem Ausschluss der vorherigen Spalten mit Pandas Index difference Methode.

Schritt 2: Verwenden Sie groupby, um die obige Lösung für jedes Datum einzeln anzuwenden.

def func(df2): 
    df1 = df2.reset_index(level=1, drop=True) 
    columns = df1.loc['key1'].nlargest(2).index.tolist() 
    columns.append(df1.loc['key2'][df.columns.difference(columns)].idxmax()) 
    return df1.loc['rtr', columns] 

df.groupby(level=1).apply(func) 

Die reset_index wird hinzugefügt, da im Gegensatz zu xs, hat groupby nicht den Indexstand fallen.