MultiIndexed Pandas DataFrameを再サンプリングして列に異なる機能を適用する

Question

MultiIndexed列がない場合は、df.resample(freq).agg(some_dict)を実行します。ここでsome_dictは各列に異なる機能を適用するために{column_name: function}の形式です（下記のデモンストレーションを参照してください）。またはthis questionまたはdocsを参照してください）。

私はMultiIndexedカラムを持っているが、私のカラムとdictの間でPandasが製品をやっているときも同じことをしたいと思います。

はここでプレーするために、いくつかのダミーデータです：、

ここ

In [2]: 
agg_dict = { col:(np.sum if col[1] == 'one' else np.mean) for col in df.columns } 

agg_dict 

Out[2]: 
{('A', 'one'): <function numpy.core.fromnumeric.sum>, 
('A', 'two'): <function numpy.core.fromnumeric.mean>, 
('B', 'one'): <function numpy.core.fromnumeric.sum>, 
('B', 'two'): <function numpy.core.fromnumeric.mean>} 

それは動作しません：今すぐ

In [1]: 
import pandas as pd 
import numpy as np 

cols = pd.MultiIndex.from_tuples([('A', 'one'), ('A', 'two'), 
           ('B', 'one'), ('B', 'two')]) 
ind = pd.DatetimeIndex(start='2017-01-01', freq='15Min', periods=20) 
df = pd.DataFrame(np.random.randn(20,4), index=ind, columns=cols) 
print(df.head()) 

Out[1]: 

          A     B   
          one  two  one  two 
2017-01-01 00:00:00 -0.627329 0.756533 2.149236 -1.204808 
2017-01-01 00:15:00 1.493381 1.320806 -1.692557 1.225271 
2017-01-01 00:30:00 -0.572762 1.365679 -1.993464 1.118474 
2017-01-01 00:45:00 -1.785283 -1.625370 -0.437199 0.776267 
2017-01-01 01:00:00 -0.220307 1.308388 2.981333 -0.569586 

、のは、特定の機能に列をマッピングし、集約辞書を作成してみましょうそれは実際に私の実際の列とagg_dictの間で製品を実行します。私は(5,4)の形状を期待したが、私は(5,16)（辞書で4つのエントリ、DFの4列）取得しています：私は非MultiIndexed場合と同様の挙動を得ることができ、それが終わるどのように

In [3]: df.resample('H').agg(agg_dict).shape 
Out[3]: (5,16) 

In [4]: print(df.resample('H').agg(agg_dict).columns.tolist()) 
Out[4]: [('A', 'one', 'A', 'one'), ('A', 'one', 'A', 'two'), ('A', 'one', 'B', 'one'), ('A', 'one', 'B', 'two'), ('A', 'two', 'A', 'one'), ('A', 'two', 'A', 'two'), ('A', 'two', 'B', 'one'), ('A', 'two', 'B', 'two'), ('B', 'one', 'A', 'one'), ('B', 'one', 'A', 'two'), ('B', 'one', 'B', 'one'), ('B', 'one', 'B', 'two'), ('B', 'two', 'A', 'one'), ('B', 'two', 'A', 'two'), ('B', 'two', 'B', 'one'), ('B', 'two', 'B', 'two')] 

をここで(5,4) DataFrameを使用していますか？

---

私はそれが非MultiIndexedデータフレームを使用して動作することを確認することができます。

In [5]: 
df2 = df.copy() 
# Flatten columns 
df2.columns = ['_'.join(x) for x in df.columns] 
# Create similar agg_dict 
agg_dict2 = { col:(np.sum if 'one' in col else np.mean) for col in df2.columns } 
print(df2.resample('H').agg(agg_dict2)) 

Out[5]: 

         A_one  A_two  B_one  B_two 
2017-01-01 00:00:00 -1.491994 0.454412 -1.973983 0.478801 
2017-01-01 01:00:00 -0.931024 0.465611 4.837972 -0.118674 
2017-01-01 02:00:00 2.015399 0.203814 1.539722 -0.296053 
2017-01-01 03:00:00 -0.569376 -0.382343 -2.244470 -0.038828 
2017-01-01 04:00:00 -0.747308 -0.212246 2.025314 0.713344 

Answer 1

私はちょうどlambda

In [1]: 
df.resample('H').apply(lambda x: agg_dict[x.name](x)) 

Out[1]: 
          A     B   
          one  two  one  two 
2017-01-01 00:00:00 -2.211489 0.538068 1.379451 -0.619921 
2017-01-01 01:00:00 1.524752 -0.195767 1.157592 0.137513 
2017-01-01 02:00:00 -1.225071 0.020599 -1.372751 -0.245233 
2017-01-01 03:00:00 2.922656 0.032864 3.118994 0.315109 
2017-01-01 04:00:00 -1.438694 1.025585 1.915400 -0.536389 

x.nameとapplyを使用して例えば('A', 'one')のためのリターンを作品のアイデアを思い付いたので、私は辞書で機能を選択するためにそれを使用し、にxを渡しますそれ。