Pandas Spalte Multiindex Subtrahierend Spalten voneinander

Question

Pandas Datenrahmen:

Constructor:

c = pd.MultiIndex.from_product([['AAPL','AMZN'],['price','custom']]) 
i = pd.date_range(start='2017-01-01',end='2017-01-6') 
df1 = pd.DataFrame(index=i,columns=c) 

df1.loc[:,('AAPL','price')] = list(range(51,57)) 
df1.loc[:,('AMZN','price')] = list(range(101,107)) 
df1.loc[:,('AAPL','custom')] = list(range(1,7)) 
df1.loc[:,('AMZN','custom')] = list(range(17,23)) 
df1.index.set_names('Dates',inplace=True) 
df1.sort_index(axis=1,level=0,inplace=True) # needed for pd.IndexSlice[] 

df1 

Produziert: (kann nicht herausfinden, wie die Ausgabe von Jupyter Notebook-Format)

AAPL AMZN 
    custom price custom price 
Dates    
2017-01-01 1 51 17 101 
2017-01-02 2 52 18 102 
2017-01-03 3 53 19 103 
2017-01-04 4 54 20 104 
2017-01-05 5 55 21 105 
2017-01-06 6 56 22 106 

Frage: Wie kann ich eine 3. Spalte an der 2. le erstellen vel des MultiIndex das ist der Unterschied zwischen price und custom? Dies sollte getrennt für jede oberste Spaltenebene berechnet werden, d. H. Getrennt für AAPL und AMZN.

Versuchte Lösungen:

versuchte ich pd.IndexSlice auf 2 Arten verwendet wird, beide geben mir alle NaNs:

df1.loc[:,pd.IndexSlice[:,'price']].sub(df1.loc[:,pd.IndexSlice[:,'custom']]) 
df1.loc[:,pd.IndexSlice[:,'price']] - df1.loc[:,pd.IndexSlice[:,'custom']] 

Returns:

AAPL AMZN 
    custom price custom price 
Dates    
2017-01-01 NaN NaN NaN NaN 
2017-01-02 NaN NaN NaN NaN 
2017-01-03 NaN NaN NaN NaN 
2017-01-04 NaN NaN NaN NaN 
2017-01-05 NaN NaN NaN NaN 
2017-01-06 NaN NaN NaN NaN 

Wie kann ich eine dritte Spalte hinzufügen mit dem Unterschied?

Danke.

Answer 1

Sie könnten Subtraktion der Werte berücksichtigen:

df1.loc[:, pd.IndexSlice[:, 'price']] - df1.loc[:,pd.IndexSlice[:,'custom']].values 

es beizutreten zurück, können Sie pd.concat verwenden:

In [221]: df2 = (df1.loc[:, pd.IndexSlice[:, 'price']] - df1.loc[:,pd.IndexSlice[:,'custom']].values)\ 
          .rename(columns={'price' : 'new'}) 

In [222]: pd.concat([df1, df2], axis=1) 
Out[222]: 
      AAPL   AMZN  AAPL AMZN 
      custom price custom price new new 
Dates           
2017-01-01  1 51  17 101 50 84 
2017-01-02  2 52  18 102 50 84 
2017-01-03  3 53  19 103 50 84 
2017-01-04  4 54  20 104 50 84 
2017-01-05  5 55  21 105 50 84 
2017-01-06  6 56  22 106 50 84 

Answer 2

Sie durch Werte subtrahieren kann, dann umbenennen und zuletzt original verbinden:

a = df1.loc[:,pd.IndexSlice[:,'price']].sub(df1.loc[:,pd.IndexSlice[:,'custom']].values, 1) 
     .rename(columns={'price':'sub'}) 
df1 = df1.join(a).sort_index(axis=1) 
print (df1) 
      AAPL    AMZN   
      custom price sub custom price sub 
Dates          
2017-01-01  1 51 50  17 101 84 
2017-01-02  2 52 50  18 102 84 
2017-01-03  3 53 50  19 103 84 
2017-01-04  4 54 50  20 104 84 
2017-01-05  5 55 50  21 105 84 
2017-01-06  6 56 50  22 106 84