python - Pandas 对行的多级索引

Question

我正在尝试转换此 DataFrame:

>>> df
D1     D2  
S1 S2  S1 S2
0  -4  1  -6
1  -5  2  -7
3  -8  3  -9

类似于:

>>> df
    0    1    2    3
D1  -4   -5   NaN  -8
D2  NaN  -6   -7   -9

基本上 (D1,S1) 和 (D2,S1) 列中的值需要合并到列名中，(D1) 列中的值,S2) 和 (D2,S2) 成为唯一的数据值。

我怎样才能简单有效地实现这一点？

Answer 1

所需的 DataFrame 在索引中有 D。 stack 将列级值移动到索引中。所以很自然地想到调用stack:

In [43]: result = df.stack(level=0); result
Out[43]: 
      S1  S2
0 D1   0  -4
  D2   1  -6
1 D1   1  -5
  D2   2  -7
2 D1   3  -8
  D2   3  -9

所需的 DataFrame 在索引中只有 D，所以让我们删除外层值:

In [44]: result.index = result.index.droplevel(0); result
Out[44]: 
    S1  S2
D1   0  -4
D2   1  -6
D1   1  -5
D2   2  -7
D1   3  -8
D2   3  -9

我们现在希望 S1 列成为列级别的值。这可以通过首先将 S1 列移动到索引中来完成，

In [45]: result = result.set_index('S1', append=True); result
Out[45]: 
       S2
   S1    
D1 0   -4
D2 1   -6
D1 1   -5
D2 2   -7
D1 3   -8
D2 3   -9

然后调用unstack将索引级别移动到列级别:

In [46]: result = result.unstack('S1'); result
Out[46]: 
    S2          
S1   0  1   2  3
D1  -4 -5 NaN -8
D2 NaN -6  -7 -9

---

综合来看，

import pandas as pd
df = pd.DataFrame({('D1', 'S1'): [0, 1, 3],
 ('D1', 'S2'): [-4, -5, -8],
 ('D2', 'S1'): [1, 2, 3],
 ('D2', 'S2'): [-6, -7, -9]})

result = df.stack(level=0)
result.index = result.index.droplevel(0)
result = result.set_index('S1', append=True)
result = result.unstack('S1')
result.columns = result.columns.droplevel(0)
print(result)

产量

S1   0  1   2  3
D1  -4 -5 NaN -8
D2 NaN -6  -7 -9

---

供引用:四种基本的DataFrame reshape 操作是

• set_index ,
• reset_index ,
• stack和
• unstack .

它们是基础，因为 DataFrame 只是一个带有索引和列的数组水平。这些运算符允许您将值从数组移动到索引级别到列级别并返回。以各种方式组合这4种操作可以解决了很多 DataFrame reshape 问题。