python - Pandas 数据透视表重命名列

Question

如何在 pandas pivot 操作后重命名具有多个级别的列？

下面是一些生成测试数据的代码:

import pandas as pd
df = pd.DataFrame({
    'c0': ['A','A','B','C'],
    'c01': ['A','A1','B','C'],
    'c02': ['b','b','d','c'],
    'v1': [1, 3,4,5],
    'v2': [1, 3,4,5]})

print(df)

给出一个测试数据框:

   c0 c01 c02  v1  v2
0  A   A   b   1   1
1  A  A1   b   3   3
2  B   B   d   4   4
3  C   C   c   5   5

应用枢轴

df2 = pd.pivot_table(df, index=["c0"], columns=["c01","c02"], values=["v1","v2"])
df2 = df2.reset_index()

给予

如何通过加入层级来重命名列？带格式 <c01 value>_<c02 value>_<v1>

例如第一列应该是这样的 "A_b_v1"

加入关卡的顺序对我来说并不重要。

Answer 1

如果你想在不关心索引级别顺序的情况下将多索引合并为单个字符串索引，你可以简单地map一个join函数在列上，并返回结果列表:

df2.columns = list(map("_".join, df2.columns))

---

对于您的问题，您可以遍历每个元素都是一个元组的列，解压元组并按照您想要的顺序将它们连接回去:

df2 = pd.pivot_table(df, index=["c0"], columns=["c01","c02"], values=["v1","v2"])

# Use the list comprehension to make a list of new column names and assign it back
# to the DataFrame columns attribute.
df2.columns = ["_".join((j,k,i)) for i,j,k in df2.columns]
df2.reset_index()