python - 如何使用 Pandas 重命名重置索引上的多个列

Question

我想弄清楚是否有办法在您尝试重置索引时重命名 Pandas 列。我在文档中看到，如果只有一列，您可以使用“名称”参数来设置重置索引的列名，但我很好奇是否有办法对多列执行此操作。

例如:

df1 = pd.DataFrame({
'A' : ['a1', 'a1', 'a2', 'a3'],
'B' : ['b1', 'b2', 'b3', 'b4'],
'D1' : [1,0,0,0],
'D2' : [0,1,1,0],
'D3' : [0,0,1,1],
})

df1.set_index(['B','A']).stack().reset_index()

结果留给您:

     B   A level_2  0
0   b1  a1      D1  1
1   b1  a1      D2  0
2   b1  a1      D3  0
3   b2  a1      D1  0
4   b2  a1      D2  1

你可以这样做:

df1.set_index(['B','A']).stack().reset_index(name='my_col')

为了设置最后一列的名称，但我想知道是否有办法使用参数来设置“level_2”列的名称。

我首先想到的是尝试:

df1.set_index(['B','A']).stack().reset_index(name=['my_col2','my_col'])

然而，这并没有奏效，所以寻找另一种解决方法。我意识到我总是可以重命名下一行中的列，但我希望有一种更简洁的方法可以在一行中进行重命名。

Answer 1

reset_index 不够智能，无法做到这一点，但我们可以利用方法 rename_axis和 rename在重置索引之前为索引和列/系列命名；一旦名称设置正确，reset_index 将自动将这些名称转换为结果中的列名称:

这里 rename_axis 给索引命名，这在某种程度上等同于 df.index.names = ... 除了函数式风格； rename 为 Series 对象命名:

df1.set_index(['B','A']).stack().rename_axis(['B','A','col2']).rename('col').reset_index()

#    B   A  col2    col
#0  b1  a1    D1    1
#1  b1  a1    D2    0
#2  b1  a1    D3    0
#3  b2  a1    D1    0
#4  b2  a1    D2    1
# ..