如果我有一個多級列索引：>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])>>> pd.DataFrame([[1,2], [3,4]], columns=cols) 一種 --- + - b | C- + - + - 0 | 1 | 21 | 3 | 4如何刪除該索引的“a”級別，因此我最終得到： b | C- + - + - 0 | 1 | 21 | 3 | 4
3 回答
慕尼黑8549860
TA貢獻1818條經(jīng)驗 獲得超11個贊
你可以使用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]
慕尼黑5688855
TA貢獻1848條經(jīng)驗 獲得超2個贊
刪除索引的另一種方法是使用列表解析：
df.columns = [col[1] for col in df.columns]
b c
0 1 2
1 3 4
如果要組合兩個級別的名稱（如下面的示例中底層包含兩個'y'），此策略也很有用：
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
刪除頂級會留下兩列，索引為“y”。通過將名稱與列表理解相結(jié)合可以避免這種情況。
df.columns = ['_'.join(col) for col in df.columns]
A_x A_y B_y
0 1 2 8
1 3 4 9
這是我在做一個小組后遇到的問題，并且花了一段時間才找到解決它的另一個問題。我在這里針對具體案例調(diào)整了解決方案。
GCT1015
TA貢獻1827條經(jīng)驗 獲得超4個贊
另一種方法是使用.xs方法df根據(jù)橫截面重新分配。df
>>> 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
添加回答
舉報
0/150
提交
取消