Problem Setup & Goal

我有一个多索引Pandas DataFrame，它看起来像这样:

imp或t pandas as pd

df = pd.DataFrame({
    'Values':[1, 3, 4, 8, 5, 2, 9, 0, 2],
    'A':['A1', 'A1', 'A1', 'A1', 'A2', 'A2', 'A3', 'A3', 'A3'],
    'B':['foo', 'bar', 'fab', 'baz', 'foo', 'baz', 'qux', 'baz', 'bar']
})
df.set_index(['A','B'], inplace=True)
print(df.to_string())

        Values
A  B          
A1 foo       1
   bar       3
   fab       4
   baz       8
A2 foo       5
   baz       2
A3 qux       9
   baz       0
   bar       2

我的最终目标是以最简单、最规范的Pandas方式，将B列中的所有"bar"和"baz"行替换为一个名为"Other"的总和行(见下文).

       Values
A  B          
A1 foo       1
   fab       4
   other    11
A2 foo       5
   other     2
A3 qux       9
   other     2

Current W或k

我设法从a similar problem开始为MultiIndex DataFrame创建掩码，以突出显示我们最终要聚合的行，这些行位于agg_list中.

agg_list = ['bar', 'baz']
# Create a mask that highlights the rows in B that are in agg_list
filterFunc = lambda x: x.index.get_level_values('B') in agg_list
mask = df.groupby(level=['A','B']).apply(filterFunc)

这会产生预期的掩码:

print(mask.to_string())

A   B  
A1  bar     True
    baz     True
    fab    False
    foo    False
A2  baz     True
    foo    False
A3  bar     True
    baz     True
    qux    False

我知道如何删除不再需要的行:

# Remove rows in B col that are in agg_list using mask
df_masked = df[[~mask.loc[i1, i2] f或 i1,i2 in df.index]]
print(df_masked.to_string())

    Values
A  B          
A1 foo       1
   fab       4
A2 foo       5
A3 qux       9

但我不知道如何对这些行进行实际的聚合/求和，并将其附加到每个多索引行.

Similar Problems/Solutions

我见过的类似问题不涉及多索引DataFrame，所以我不太能使用像this one这样的解决方案，它的基本思想是创建一个掩码，然后追加一个相加的行:

threshold = 6
m = df['value'] < threshold
df1 = df[~m].copy()
df1.loc['Z'] = df.loc[m, 'value'].sum()

或

m = df['value'] < threshold
df1 = df[~m].append(df.loc[m, ['value']].sum().rename('Z'))