具有多重索引的 Pandas 划分 (.div)

我有类似的东西

df = pd.DataFrame(np.random.randint(2, 10, size = (5, 2)))
df.index = pd.MultiIndex.from_tuples([(1, 'A'), (2, 'A'), (4, 'B'), 
           (5, 'B'), (8, 'B')])
df.index.names = ['foo', 'bar']
df.columns = ['count1', 'count2']
df

这使：

       count1 count2
foo bar     
1   A    6     7
2   A    2     9
4   B    6     7
5   B    4     6
8   B    5     6

我还有一个总计列表 - 从其他地方获得 - 通过相同的“foo”索引：

totals = pd.DataFrame([2., 1., 1., 1., 10.])
totals.index = [1, 2, 4, 5, 8]
totals.index.names = ['foo']
totals

这使：

     0
foo 
1    2
2    1
4    1
5    1
8    10

我怎样才能划分所有列df (count1 and count2) 中的 foo 编号totals？ （因此，我需要通过“foo”号码进行匹配）

我检查了这个问题 https://stackoverflow.com/questions/19501510/divide-entire-pandas-multiindex-dataframe-by-dataframe-variable，看起来应该可以解决问题，但我无法弄清楚。

I tried

df.div(totals, axis = 0)

并改变level选项中div，但没有成功。

一如既往，非常感谢您抽出时间

try:

df.div(totals[0],axis='index',level='foo')

         count1  count2
foo bar                
1   A       1.0     4.5
2   A       4.0     8.0
4   B       5.0     9.0
5   B       5.0     5.0
8   B       0.9     0.5

also:

totals = pd.DataFrame([2., 1., 1., 1., 10.])
totals.index = [[1, 2, 4, 5, 8],['A', 'A', 'B', 'A', 'B']]
totals.index.names = ['foo','bar']
totals
           0
foo bar      
1   A     2.0
2   A     1.0
4   B     1.0
5   A     1.0
8   B    10.0

df[['count1','count2']].div(totals[0],axis='index')
         count1  count2
foo bar                
1   A       1.0     4.5
2   A       4.0     8.0
4   B       5.0     9.0
5   A       NaN     NaN
    B       NaN     NaN
8   B       0.9     0.5