Python 熊猫：从多级列索引中删除一个级别？

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)

A. ---+-- b|c --+---+-- 0 | 1 | 2 1 | 3 | 4 我如何才能降低该指数的“a”级，因此我最终得到：

b | c --+---+-- 0 | 1 | 2 1 | 3 | 4 b|c --+---+-- 0 | 1 | 2 1 | 3 | 4 您可以使用：

---

您还可以通过重命名列来实现这一点：

df.columns=['a'，'b']

---

这涉及到一个手动步骤，但可能是一个选项，尤其是当您最终要重命名数据帧时。

另一种方法是使用该方法基于

df

的横截面重新分配

df

---

另一种删除索引的方法是使用列表：

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

   b  c
0  1  2
1  3  4

如果您希望合并两个级别的名称，如下面的示例中底部级别包含两个“y”，则此策略也很有用：

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

删除顶层将留下两列索引为“y”。这可以通过将名称与列表合并来避免

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

    A_x A_y B_y
0   1   2   8
1   3   4   9

---

这是我做群比后遇到的一个问题，我花了一段时间才发现问题解决了。我将该解决方案应用于这里的具体情况。

我一直在努力解决这个问题，因为我不知道为什么我的droplevel（）函数不起作用。完成几个步骤，了解表中的“a”是列名，“b”、“c”是索引。这样做会有帮助

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

---

使用

sum

和level=1的小技巧（level=1是唯一的）

---

更常见的解决方案

获取\u级别\u值

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

---

对于熊猫0.24.0，我们现在可以使用：

---

如果您希望保持数据帧方法链的滚动，这非常有用。

最好明确说明要删除哪个级别。级别从顶部开始为0索引

>>df.columns=df.columns.droplevel（0）

如果您试图删除的索引位于左侧（行）而不是顶部（列）侧，您可以将“columns”更改为“index”，并使用相同的方法：

>>df.index=df.index.droplevel（1）

在Panda版本0.23.4中，

df.columns.droplevel（）

不再可用。@yoonghm它就在那里，你可能只是在没有多索引的列上调用它。我有三个级别，只想降到中间级别。我发现先降低最低（级别[2]），然后再降低最高（级别[0]）效果最好<代码>>>>df.columns=df.columns.droplevel（2）>>>df.columns=df.columns.droplevel（0）这仅在整个列级别只有一个标签时有效。当您要删除第二个级别时不起作用。如果您要对同一级别进行切片和删除，这是一个很好的解决方案。如果您想在第二个级别（比如说

b

）上切片，然后删除该级别，剩下第一个级别（

a

），那么下面的方法就可以了：

df=df.xs（'b'，axis=1，level=1，drop_level=True）

最好有一个对索引和列都这样做的数据帧方法。删除或选择索引级别。@Sören签出

droplevel

works可以通过参数

axis

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

更直接地处理多级索引或列

df.columns.get_level_values（1）

。有类似的需求，其中一些列的级别值为空。使用了以下内容：

[col[0]如果col[1]=''else col[1]表示df.columns中的col]

这基本上就是Mint的第一个答案所做的。现在，也不需要指定名称列表（这通常很繁琐），因为它是由

df.columns.get_level_values（1）

提供给您的。这根本不会复制所需的输出。根据发布日期，您的版本中可能没有包含下降级别（2019年1月，它被添加到稳定版本24.0中）这是“最纯粹”的解决方案，因为返回新的数据帧而不是“就地”修改它。

df.droplevel（0，axis='columns'）

更为明确和易于理解

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

    A_x A_y B_y
0   1   2   8
1   3   4   9

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

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

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

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