在Pandas中如何给多层索引降级

时间:2019-01-23
本文章向大家介绍在Pandas中如何给多层索引降级,主要包括在Pandas中如何给多层索引降级使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

# 背景介绍 通常我们不会在Pandas中主动设置多层索引,但是如果一个字段做多个不同的聚合运算, 比如sum, max这样形成的Column Level是有层次的,这样阅读非常方便,但是对编程定位比较麻烦. # 数据准备
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(0, 14).reshape(7,2),columns =['a','b'] )
df.a =  df.a %3
df['who'] = 'Bob'
df.loc[df.a%4==0,'who']  = 'Alice'
1
2
3
4
5
6
a    b    who
0    0    1    Alice
1    2    3    Bob
2    1    5    Bob
3    0    7    Alice
4    2    9    Bob
5    1    11    Bob
6    0    13    Alice
# 对一个字段同时用3个聚合函数
gp1 = df.groupby('who').agg({'b':[sum,np.max, np.min], 'a':sum})
gp1
1
2
b    a
sum    amax    amin    sum
who                
Alice    8.0    7.0    1.0    0
Bob    28.0    11.0    3.0    6
索引是有层次的,虚要通过下面这种方式,个人感觉不是很方便.下面介绍2种方法来解决这个问题

#有层次的索引访问方法
gp1.loc['Bob', ('b', 'sum')]
1
2
28.0
1
# 直接去除一层
gp2 = gp1.copy(deep=True)
gp2.columns = gp1.columns.droplevel(0)
gp2
1
2
3
sum    amax    amin    sum
who                
Alice    8.0    7.0    1.0    0
Bob    28.0    11.0    3.0    6
# 把2层合并到一层
gp3 = gp1.copy(deep=True)
gp3.columns = ["_".join(x) for x in gp3.columns.ravel()]
gp3
1
2
3
b_sum    b_amax    b_amin    a_sum
who                
Alice    8.0    7.0    1.0    0
Bob    28.0    11.0    3.0    6
--------------------- 
作者:flyfoxs 
来源:CSDN 
原文:https://blog.csdn.net/flyfoxs/article/details/81346885 
版权声明:本文为博主原创文章,转载请附上博文链接!