Python多索引DataFrame相乘报错ValueError的解决方案咨询

问题背景 #

现有两个DataFrame：

• raw：列采用三级多索引（Substation、DeviceID、Input）
• caps：普通列结构，包含设备的容量数据

数据创建代码 #

创建raw（列多索引）

import pandas as pd

# 构建多列索引
index_values = [('SUB1', 'INV001', 'InverterA_Input1'), ('SUB1', 'INV002', 'InverterA_Input1'), ('SUB1', 'INV0023', 'InverterA_Input1')]
multi_index = pd.MultiIndex.from_tuples(index_values, names=['Substation', 'DeviceID', 'Input'])

# 创建DataFrame
data = [[112, 74.22, 83.15], [113.59, 79.94, 83.9]]
raw = pd.DataFrame(data, columns=multi_index)

创建caps（普通结构）

import pandas as pd

data = [
    ['SUB1', 'INV001', 'Input1', 'INV001A', 110],
    ['SUB1', 'INV001', 'Input1', 'INV001A', 115],
    ['SUB1', 'INV001', 'Input1', 'INV001A', 118]
]

caps = pd.DataFrame(data, columns=['Substation', 'DeviceID', 'Input', 'AnalysisGroup', 'Capacity'])

遇到的问题 #

尝试将caps中caps["Capacity"].max() / caps["Capacity"]的计算结果与raw相乘时，无论是直接使用multiply还是groupby.apply，均报错：

ValueError: multiple levels only valid with MultiIndex

解决方案 #

报错核心原因是multiply右侧的Series索引与raw的多列索引不匹配，需先统一索引结构，再执行相乘操作：

步骤1：统一索引匹配规则 #

raw的Input级别为InverterA_Input1，而caps的Input为Input1，需将raw的列索引转换为与caps匹配的格式：

# 将raw的列索引转为DataFrame方便处理
raw_col_df = raw.columns.to_frame()
# 提取Input级别中的核心标识（去掉前缀）
raw_col_df['Input'] = raw_col_df['Input'].str.split('_').str[-1]
# 重新设置raw的多列索引
raw.columns = pd.MultiIndex.from_frame(raw_col_df)

步骤2：生成匹配多索引的缩放因子 #

从caps中计算缩放因子，并转换为与raw列索引一致的MultiIndex Series：

# 先对caps去重，保留每组唯一的设备容量记录（根据实际需求调整）
caps_unique = caps.drop_duplicates(subset=['Substation', 'DeviceID', 'Input'])
# 计算全局最大容量
global_max_cap = caps['Capacity'].max()
# 计算每组的缩放因子：全局最大容量 / 组内容量
caps_unique['scale_factor'] = global_max_cap / caps_unique['Capacity']
# 将缩放因子转换为MultiIndex Series，索引与raw列索引对齐
scale_series = caps_unique.set_index(['Substation', 'DeviceID', 'Input'])['scale_factor']

步骤3：执行相乘操作 #

此时scale_series的索引与raw的列索引完全匹配，可直接使用multiply：

# 按列匹配相乘
scaled = raw.multiply(scale_series, axis=1).copy()

补充说明 #

如果需要按组内最大容量而非全局最大计算缩放因子，只需修改缩放因子的计算逻辑：

# 计算每组的最大容量
caps_group_max = caps.groupby(['Substation', 'DeviceID', 'Input'])['Capacity'].max().reset_index()
# 合并回caps_unique，获取组内最大容量
caps_unique = caps_unique.merge(caps_group_max, on=['Substation', 'DeviceID', 'Input'], suffixes=('', '_max'))
# 计算组内缩放因子：组内最大容量 / 组内容量
caps_unique['scale_factor'] = caps_unique['Capacity_max'] / caps_unique['Capacity']
# 重新生成匹配的MultiIndex Series
scale_series = caps_unique.set_index(['Substation', 'DeviceID', 'Input'])['scale_factor']

内容的提问来源于stack exchange，提问作者BB.squared