Панди: падіння рівня з багаторівневого індексу стовпців?

Якщо у мене є багаторівневий індекс стовпців:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> pd.DataFrame([[1,2], [3,4]], columns=cols)

    а
   --- + -
    б | c
- + --- + -
0 | 1 | 2
1 | 3 | 4

Як я можу знизити рівень "a" цього індексу, щоб закінчити:

    б | c
- + --- + -
0 | 1 | 2
1 | 3 | 4

Ви можете використовувати MultiIndex.droplevel:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> df = pd.DataFrame([[1,2], [3,4]], columns=cols)
>>> df
   a   
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]
>>> df.columns = df.columns.droplevel()
>>> df
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]

Ще один спосіб скинути індекс - це використовувати розуміння списку:

df.columns = [col[1] for col in df.columns]

   b  c
0  1  2
1  3  4

Ця стратегія також корисна, якщо ви хочете поєднати імена з обох рівнів, як у прикладі нижче, де нижній рівень містить два 'y':

cols = pd.MultiIndex.from_tuples([("A", "x"), ("A", "y"), ("B", "y")])
df = pd.DataFrame([[1,2, 8 ], [3,4, 9]], columns=cols)

   A     B
   x  y  y
0  1  2  8
1  3  4  9

Якщо опустити верхній рівень, залишиться два стовпці з індексом 'y'. Цього можна уникнути, з'єднавши імена зі списком розуміння.

df.columns = ['_'.join(col) for col in df.columns]

    A_x A_y B_y
0   1   2   8
1   3   4   9

Це проблема, яку я мав після занять у групі, і знадобилося певний час, щоб знайти це інше питання, яке вирішило її. Я адаптував це рішення до конкретного випадку тут.

Інший спосіб зробити це - перепризначити dfна основі перерізу df, використовуючи метод .xs .

>>> df

    a
    b   c
0   1   2
1   3   4

>>> df = df.xs('a', axis=1, drop_level=True)

    # 'a' : key on which to get cross section
    # axis=1 : get cross section of column
    # drop_level=True : returns cross section without the multilevel index

>>> df

    b   c
0   1   2
1   3   4

Станом на Pandas 0.24.0 , тепер ми можемо використовувати DataFrame.droplevel () :

cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
df = pd.DataFrame([[1,2], [3,4]], columns=cols)

df.droplevel(0, axis=1) 

#   b  c
#0  1  2
#1  3  4

Це дуже корисно, якщо ви хочете підтримувати ланцюжок методів DataFrame.

Ви також можете досягти цього шляхом перейменування стовпців:

df.columns = ['a', 'b']

Це включає в себе крок вручну, але це може бути варіантом, особливо якщо ви зрештою перейменовуєте свій фрейм даних.

Невеликий трюк із використанням sum рівня = 1 (робота, коли рівень = 1 - все унікально)

df.sum(level=1,axis=1)
Out[202]: 
   b  c
0  1  2
1  3  4

Більш поширене рішення get_level_values

df.columns=df.columns.get_level_values(1)
df
Out[206]: 
   b  c
0  1  2
1  3  4

Я боровся з цією проблемою, оскільки не знаю, чому моя функція droplevel () не працює. Пропрацюйте декілька і дізнайтеся, що "а" у вашій таблиці - це ім'я стовпців, а "b", "c" - індекс. Робити це, як допоможе

df.columns.name = None
df.reset_index() #make index become label