python - 将一些 DataFrame 列重新索引为多索引

Question

在我的工作流程中的某个时刻，我最终得到了一个带有一些列和一些行的常规 pandas DataFrame。我想使用 df.to_latex() 将此 DataFrame 导出到 latex 表中。这很有效，但是，我知道想要使用多列，其中某些列是多表的一部分。例如，一个包含 a、b、c、d、e 列的 DataFrame，我希望将 a 列保留原样，但将 b 和 c、d 和 e 分组。

import numpy as np
import pandas as pd

# where I am
data = np.arange(15).reshape(3, 5)
df = pd.DataFrame(data=data, columns=['a', 'b', 'c', 'd', 'e'])

看起来像这样:

In [161]: df
Out[161]: 
    a   b   c   d   e
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14

我想将 b 列和 c 列以及 d 和 e 列分组，但保留 a 列。所以我想要的输出应该是这样的。

# where I want to be: leave column 'a' alone, group b&c as well as d&e
multi_index = pd.MultiIndex.from_tuples([
    ('a', ''),
    ('bc', 'b'),
    ('bc', 'c'),
    ('de', 'd'),
    ('de', 'e'),
])
desired = pd.DataFrame(data, columns=multi_index)

看起来像这样:

In [162]: desired
Out[162]: 
    a  bc      de    
        b   c   d   e
0   0   1   2   3   4
1   5   6   7   8   9
2  10  11  12  13  14

为了到达那里，我尝试了一个简单的重新索引。这给了我想要的形状，但所有列都只得到 NaN 作为值。

# how can use df and my multiindexreindex to multi column DataFrame
result = df.reindex(columns=multi_index)

结果看起来像描述的那样，索引正确，但都是 NaN

In [166]: result
Out[166]: 
    a  bc      de    
        b   c   e   e
0 NaN NaN NaN NaN NaN
1 NaN NaN NaN NaN NaN
2 NaN NaN NaN NaN NaN

怎样才能得到我想要的结果？

Answer 1

您可以直接将 multiIndex 分配给数据框的 columns 属性:

df.columns = multi_index
df