多索引数据框 pandas 中的操作

我需要处理大数据 csv 中的地理和统计数据。它包含来自地理行政和地统计的数据。城市、区位、地统计基本区划和区块构成层次指标。

我必须为地理索引中数据的最大值的每个元素创建一个新列 ['data2']，并将每个块值除以该值。对于每个索引级别，索引级别值必须不为0，因为0索引级别值会考虑计算中未使用的其他类型的信息。

                       data1  data2
mun  loc  geo  block
1    0    0    0       20     20
1    1    0    0       10     10
1    1    1    0       10     10   
1    1    1    1       3      3/4
1    1    1    2       4      4/4
1    1    2    0       30     30   
1    1    2    1       1      1/3
1    1    2    2       3      3/3
1    2    1    1       10     10/12
1    2    1    2       12     12/12
2    1    1    1       123    123/123
2    1    1    2       7      7/123
2    1    2    1       6      6/6
2    1    2    2       1      1/6

有任何想法吗？我尝试过使用 for 循环，使用 reset_index() 转换列中的索引并按列和行值进行迭代，但计算会持续很长时间，我认为这不是执行此类操作的正确方法。

另外，如果我想要像这样得到我的面具，这样我就可以在每个级别上运行我的计算，该怎么办？

mun  loc  geo  block
1    0    0    0     False       
1    1    0    0     False       
1    1    1    0     True          
1    1    1    1     False        
1    1    1    2     False        
1    1    2    0     True          
1    1    2    1     False        
1    1    2    2     False        

mun  loc  geo  block
1    0    0    0     False       
1    1    0    0     True       
1    1    1    0     False          
1    1    1    1     False        
1    1    1    2     False
1    2    0    0     True
1    2    2    0     False          
1    2    2    1     False        

mun  loc  geo  block
1    0    0    0     True       
1    1    0    0     False       
1    1    1    0     False          
1    1    1    1     False        
1    1    1    2     False
2    0    0    0     True
2    1    1    0     False          
2    1    2    1     False   

您可以先创建mask from MultiIndex http://pandas.pydata.org/pandas-docs/stable/generated/pandas.MultiIndex.html， 与之比较0并检查至少一项True（最后一个0) by any http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.any.html:

mask = (pd.DataFrame(df.index.values.tolist(), index=df.index) == 0).any(axis=1)
print (mask)
mun  loc  geo  block
1    0    0    0         True
     1    0    0         True
          1    0         True
               1        False
               2        False
          2    0         True
               1        False
               2        False
     2    1    1        False
               2        False
2    1    1    1        False
               2        False
          2    1        False
               2        False
dtype: bool

然后得到max http://pandas.pydata.org/pandas-docs/stable/generated/pandas.core.groupby.GroupBy.max.html值由groupby http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.groupby.html每个第一、第二和第三索引，但在过滤之前boolean indexing http://pandas.pydata.org/pandas-docs/stable/indexing.html#boolean-indexing只取不存在的值True in mask:

df1 = df.ix[~mask, 'data1'].groupby(level=['mun','loc','geo']).max()
print (df1)
mun  loc  geo
1    1    1        4
          2        3
     2    1       12
2    1    1      123
          2        6

Then reindex http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.reindex.html df1 by df.index，删除最后一层Multiindex by reset_index http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.reset_index.html, mask http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.mask.html没有改变的值mask（也有必要删除最后一级）和fillna http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.fillna.html by 1，因为除法返回相同的值。

df1 = df1.reindex(df.reset_index(level=3, drop=True).index)
         .mask(mask.reset_index(level=3, drop=True)).fillna(1)
print (df1)
Name: data1, dtype: int64
mun  loc  geo
1    0    0        1.0
     1    0        1.0
          1        1.0
          1        4.0
          1        4.0
          2        1.0
          2        3.0
          2        3.0
     2    1       12.0
          1       12.0
2    1    1      123.0
          1      123.0
          2        6.0
          2        6.0
Name: data1, dtype: float64

最后除以div http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.div.html:

print (df['data1'].div(df1.values,axis=0))
mun  loc  geo  block
1    0    0    0        20.000000
     1    0    0        10.000000
          1    0        10.000000
               1         0.750000
               2         1.000000
          2    0        30.000000
               1         0.333333
               2         1.000000
     2    1    1         0.833333
               2         1.000000
2    1    1    1         1.000000
               2         0.056911
          2    1         1.000000
               2         0.166667
dtype: float64