熊猫：从多级列索引中删除一个级别？

Question

如果我有一个多级列索引：>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])>>> pd.DataFrame([[1,2], [3,4]], columns=cols)    一种   --- +  -     b | C-  +  -  +  - 0 | 1 | 21 | 3 | 4如何删除该索引的“a”级别，因此我最终得到：    b | C-  +  -  +  - 0 | 1 | 21 | 3 | 4

Answer 1

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]

Answer 2

删除索引的另一种方法是使用列表解析：

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

   b  c

0  1  2

1  3  4

如果要组合两个级别的名称（如下面的示例中底层包含两个'y'），此策略也很有用：

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

删除顶级会留下两列，索引为“y”。通过将名称与列表理解相结合可以避免这种情况。

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

    A_x A_y B_y

0   1   2   8

1   3   4   9

这是我在做一个小组后遇到的问题，并且花了一段时间才找到解决它的另一个问题。我在这里针对具体案例调整了解决方案。

Answer 3

另一种方法是使用.xs方法df根据横截面重新分配。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