Как использовать цепочку методов Pandas .assign() в столбце MultiIndex?

Question

Для индексированного столбца одного уровня я бы сделал следующее

arrays = [['one', 'two', ]]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
df = pd.DataFrame(pd.np.random.randn(3, 2), index=['A', 'B', 'C'], columns=index)
print(df)


first   one two
A   0.919921    -1.407321
B   1.100169    -0.927249
C   -0.520308   0.619783

print(df.assign(one=lambda x: x.one * 100))

first   one         two
A       144.950877  0.633516
B       -0.593133   -0.630641
C       -5.661949   -0.738884

Теперь, когда у меня есть столбец MultiIndex, я могу получить доступ к нужному столбцу, используя .loc но я не могу присвоить это чему-либо, так как это приводит к ошибке SyntaxError: keyword can't be an expression,

Вот пример,

arrays = [['bar', 'bar'],
          ['one', 'two']]

tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
df = pd.DataFrame(pd.np.random.randn(3, 2), index=['A', 'B', 'C'], columns=index)

print(df)

first   bar
second  one         two
A       1.119243    0.819455
B       -0.473354   -1.340502
C       0.150403    -0.211392

Тем не мение,

df.assign(('bar', 'one')=lambda x: x.loc[:, ('bar', 'one')] * 10)

SyntaxError: keyword can't be an expression

я могу сделать

df.assign(barOne=lambda x: x.loc[:, ('bar', 'one')] * 10)


first   bar                     barOne
second  one         two 
A       0.433909    0.949701    4.339091
B       0.011486    -1.395144   0.114858
C       -0.289821   2.106951    -2.89821

но это не желательно. Я хотел бы сохранить цепочку моих методов, но также сохранить столбец MultiIndexed.

Answer 1

Просто для того, чтобы получить больше информации в одном месте - вот этот вопрос (поднятый вами) на GitHub, и ответ был:

Вы можете просто напрямую индексировать

df[('a', 1)] = ...

.assign не может поддерживать этот синтаксис как вызов функции, где кортеж не является допустимым идентификатором.

Answer 2

Если я правильно читаю, разве это не так просто, как:

Оригинал df:

first        bar
second       one       two
A       0.386729  1.014010
B       0.236824  0.439019
C       0.530020 -0.268751

Код:

df[('bar','one')] *= 10

Обновлен df (изменить столбец):

first         bar
second        one       two
A       3.8672946  1.014010
B       2.3682376  0.439019
C       5.3002040 -0.268751

Или обновил df (создайте новый столбец):

df[('bar','new')] = df[('bar','one')] * 10

first        bar
second       one       two       new
A       0.386729  1.014010  3.867295
B       0.236824  0.439019  2.368238
C       0.530020 -0.268751  5.300204

Answer 3

Этот обходной путь, использующий цепочку методов, даст вам желаемый результат.

df = (df.assign(barOne=lambda x: x.loc[:, ('bar', 'one')]*10)
        .rename(columns={'':'barOne'}, level=1)
        .rename(columns={'barOne':'bar'}, level=0)
     )

df

first        bar
second       one       two     barOne
A      -0.016595  0.613149  -0.165947
B      -1.108934 -2.662668 -11.089339
C       0.022323  1.749033   0.223232

df.columns

MultiIndex([('bar',    'one'),
            ('bar',    'two'),
            ('bar', 'barOne')],
           names=['first', 'second'])

Answer 4

С использованием .join()(аLEFT JOIN):

      df.drop(columns=('bar', 'one')).join(df[('bar', 'one')] * 10)

Результат:

      first   bar
second  two         one
A       0.949701    4.339091
B       -1.395144   0.114858
C       2.106951    -2.89821

Еслиdfеще не назначено, цепочку можно сделать возможной с помощью .pipe()слишком:

      (...).pipe(
    lambda df: df.drop(columns=('bar', 'one')).join(df[('bar', 'one')] * 10)
)

Такой же результат можно получить и с помощью .append():

      df.T.drop(('bar', 'one')).append(df[('bar', 'one')] * 10).T

но он устарел с версии 1.4.0 в пользу pd.concat()(анOUTER JOIN):

      pd.concat(axis='columns', objs=[
    df.drop(columns=[('bar', 'one')]), df[('bar', 'one')] * 10,
])

И в любом случае можно быть полностью .rename()Столбцы MultiIndex в процессе:

      (df[('bar', 'one')] * 10).rename(('baz', 'ten'))