pandas给多层索引降级方法

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'

	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

	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')]


28.0

直接去除一层

gp2 = gp1.copy(deep=True)
gp2.columns = gp1.columns.droplevel(0)
gp2

	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

	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

以上这篇在Pandas中给多层索引降级的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持编程字典。