熊猫:从多级列索引中下降一级?

你可以使用MultiIndex.droplevel:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> df = pd.DataFrame([[1,2], [3,4]], columns=cols)
>>> df
a
b  c
0  1  2
1  3  4


[2 rows x 2 columns]
>>> df.columns = df.columns.droplevel()
>>> df
b  c
0  1  2
1  3  4


[2 rows x 2 columns]

你也可以通过重命名列来实现:

df.columns = ['a', 'b']

这涉及到一个手动步骤，但可能是一个选项，特别是如果你最终要重命名你的数据帧。

另一种方法是使用以下方式方法，基于df的横截面重新分配df。

>>> df


a
b   c
0   1   2
1   3   4


>>> df = df.xs('a', axis=1, drop_level=True)


# 'a' : key on which to get cross section
# axis=1 : get cross section of column
# drop_level=True : returns cross section without the multilevel index


>>> df


b   c
0   1   2
1   3   4

删除索引的另一种方法是使用列表推导式:

df.columns = [col[1] for col in df.columns]


b  c
0  1  2
1  3  4

如果你想把两个级别的名字组合在一起，这个策略也很有用，就像下面的例子，最底层包含两个“y”:

cols = pd.MultiIndex.from_tuples([("A", "x"), ("A", "y"), ("B", "y")])
df = pd.DataFrame([[1,2, 8 ], [3,4, 9]], columns=cols)


A     B
x  y  y
0  1  2  8
1  3  4  9

删除顶层将留下两个索引为“y”的列。可以通过将名称与列表理解式连接来避免这种情况。

df.columns = ['_'.join(col) for col in df.columns]


A_x A_y B_y
0   1   2   8
1   3   4   9

这是我在做groupby后遇到的一个问题，它花了一段时间才找到解决它的另一个问题。我把这个解用在了具体的情况下。

我一直在努力解决这个问题，因为我不知道为什么我的droplevel()函数不工作。通过几个练习，你会发现表中的' a '是列名，' b '， ' c '是索引。这样做会有帮助吗

df.columns.name = None
df.reset_index() #make index become label

一个使用level=1的sum的小技巧(当level=1是唯一的时有效)

df.sum(level=1,axis=1)
Out[202]:
b  c
0  1  2
1  3  4

更常见的解决方案get_level_values

df.columns=df.columns.get_level_values(1)
df
Out[206]:
b  c
0  1  2
1  3  4

从Pandas 0.24.0开始，我们现在可以使用DataFrame.droplevel ():

cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
df = pd.DataFrame([[1,2], [3,4]], columns=cols)


df.droplevel(0, axis=1)


#   b  c
#0  1  2
#1  3  4

如果你想保持你的DataFrame方法链滚动，这是非常有用的。