在Pandas中给多层索引降级的方法
#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ColumnLevel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
importpandasaspd importnumpyasnp 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
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)forxingp3.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毛票票。