python - 是否可以在python中将多索引更改为正常

Question

所以我有一个包含 4 个 ID 的数据集，每个 ID 有 70 个值，存在值和缺失值。我用下面的代码计算了 present 和 absent 值的数量

df=pd.pivot_table(df,index=["ID",'status'], values=["Sem1"], aggfunc=[len]).reset_index() 
df['ID'] = df['ID'].mask(df['ID'].duplicated(), '') 
df
  ID         Status      len
                         Sem1
 4234        Present     45
             Absent      25
 4235        Present     40
             Absent      30
 4236        Present     35
             Absent      35
 4237        Present     50
             Absent      20

 In: df.columns
 Out:ultiIndex(levels=[['len', 'status', 'ID'], ['sem1', '']],
       labels=[[2, 1, 0], [1, 1, 0]])

我需要将列分别添加到两个不同的数据框中有什么办法可以分开列吗？另外想知道能不能改成下面的数据集？

  ID         Status      Sem1
 4234        Present     45
             Absent      25
 4235        Present     40
             Absent      30
 4236        Present     35
             Absent      35
 4237        Present     50
             Absent      20
In:df.columns
Out:Index(['ID', 'Status','Sem1'], dtype='object')

这可以从以前的数据集中完成吗

Answer 1

对我来说，您的解决方案效果很好。

df = pd.DataFrame({'Sem1':[1,3,5,7,1,0],
                   'Sem2':[5,3,6,9,2,4],
                   'ID':list('aaabbb')})

print (df)
   Sem1  Sem2 ID
0     1     5  a
1     3     3  a
2     5     6  a
3     7     9  b
4     1     2  b
5     0     4  b

df1 = df.groupby('ID').mean().reset_index()
print (df1)
  ID      Sem1      Sem2
0  a  3.000000  4.666667
1  b  2.666667  5.000000

编辑:

删除[]:

df = pd.pivot_table(df,index=["ID",'status'], values="Sem1", aggfunc='size').reset_index()