Summe Spalte in Multi-Level-Pandas Datenrahmen

Question

Ich habe Stack-Überlauf Fragen zur Lösung dieses Problems, aber ich habe keine Lösung gefunden.

Ich habe einen Datenrahmen df die wie folgt aussieht:

  value 
pod   22   72   79   86   87   88 
time_stamp           
2016-10-03 10.160000 0.000000 0.000000 32.004001 5.334000 11.176000 
2016-10-10 0.000000 0.000000 0.000000 2.032000 0.000000 0.000000  
2016-10-17 16.002001 0.000000 8.636000 21.336001 1.778000 6.604000  
2016-10-24 2.032000 6.604000 71.628004 19.050001 0.508000 2.540000  
2016-10-31 3.556000 21.590000 0.000000 0.000000 2.032000 2.794000  
2016-11-07 3.302000 10.160000 0.762000 0.254000 1.270000 2.540000  
2016-11-14 27.686001 44.704001 22.606001 1.524000 26.670001 42.164001 
2016-11-21 68.072001 56.896002 14.732000 8.128000 23.114001 63.500002 

Ausgang, wenn ich df.head(5).to_dict() wie folgt aussieht:

{('value', 22): {Timestamp('2016-10-03 00:00:00'): 10.159999966599999, 
Timestamp('2016-10-10 00:00:00'): 0.0, 
Timestamp('2016-10-17 00:00:00'): 16.0020005107, 
Timestamp('2016-10-24 00:00:00'): 2.0320000648500001, 
Timestamp('2016-10-31 00:00:00'): 3.5560001134900006}, 
('value', 72): {Timestamp('2016-10-03 00:00:00'): 0.0, 
Timestamp('2016-10-10 00:00:00'): 0.0, 
Timestamp('2016-10-17 00:00:00'): 0.0, 
Timestamp('2016-10-24 00:00:00'): 6.6040000915499997, 
Timestamp('2016-10-31 00:00:00'): 21.589999973800001}, 
('value', 79): {Timestamp('2016-10-03 00:00:00'): 0.0, 
Timestamp('2016-10-10 00:00:00'): 0.0, 
Timestamp('2016-10-17 00:00:00'): 8.6360000968000001, 
Timestamp('2016-10-24 00:00:00'): 71.628004074100005, 
Timestamp('2016-10-31 00:00:00'): 0.0}, 

Ich möchte die Spalte GROUPBY und alle Werte summieren. Ich bleibe stecken, weil dies ein Multi-Level-Index zu sein scheint.

Wenn ich dies tun s = df.sum(axis=1, level=[1]); s entfernt es nur die erste Zeile: value. Wie bekomme ich die Spalten stattdessen summiert?

Der Ausgang könnte nur eine einfache Datenrahmen sein, der die value Spalte summiert, so dass es etwas aussehen könnte:

pod 22 72 79... 
2016 100 120 110... 
2017 80 90 72... 

Answer 1

brauchen sum entlang der 0 ^{th Es scheint, Sie} Achse:

df 

       value     
        22  72   79 
2016-10-03 10.160000 0.000 0.000000 
2016-10-10 0.000000 0.000 0.000000 
2016-10-17 16.002001 0.000 8.636000 
2016-10-24 2.032000 6.604 71.628004 
2016-10-31 3.556000 21.590 0.000000 

df.sum(axis=0).to_frame().T 

     value     
      22  72   79 
0 31.750001 28.194 80.264004 

---

Wenn Sie eine Gruppierung nach Jahr wünschen, rufen Sie groupby unter index.year:

df.groupby(df.index.year).sum() 

      value     
      22  72   79 
2016 31.750001 28.194 80.264004