Python 熊猫表-将多索引转换为单索引

我正在尝试重新构造一个表，现在它的格式大致符合要求

我最终得到了一个多索引表，我想将其转换为单索引，并有以下列

|    |   'SourceID' |  'P1_VAL_1' |   'P2_VAL_1' |   'P3_VAL_1' |   'P4_VAL_1' |   'P1_VAL_2' |   'P2_VAL_2' |   'P3_VAL_2' |   'P4_VAL_2' |

我不知道如何组合索引级别

例子：

将熊猫作为pd导入
d={'SourceID'：[1,1,1,2,2,2]，
“字段名”：[“P1”、“P2”、“P3”、“P4”、“P1”、“P2”、“P3”]，
“VAL_1”：[100200300400500600700]，
‘VAL_2’：[1000,2000,3000,4000,5000,6000,7000]，}
df=pd.DataFrame（数据=d）

gby_temp=df.groupby（['SourceID'，'FieldName']）.mean（）.unstack（'FieldName'））
L=[（a，f'{b}{a}'），表示gby_temp.列中的a，b]
gby_temp.columns=pd.MultiIndex.from_元组（L）
gby_temp=gby_temp.reset_index（）
gby临时设置索引（'SourceID'））
gby_temp=gby_temp.reindex（已排序（gby_temp.columns），轴=1）
显示（gby_温度）

电流输出

|    |   ('SourceID', '') |   ('VAL_1', 'P1_VAL_1') |   ('VAL_1', 'P2_VAL_1') |   ('VAL_1', 'P3_VAL_1') |   ('VAL_1', 'P4_VAL_1') |   ('VAL_2', 'P1_VAL_2') |   ('VAL_2', 'P2_VAL_2') |   ('VAL_2', 'P3_VAL_2') |   ('VAL_2', 'P4_VAL_2') |
|---:|-------------------:|------------------------:|------------------------:|------------------------:|------------------------:|------------------------:|------------------------:|------------------------:|------------------------:|
|  0 |                  1 |                     100 |                     200 |                     300 |                     400 |                    1000 |                    2000 |                    3000 |                    4000 |
|  1 |                  2 |                     500 |                     600 |                     700 |                     nan |                    5000 |                    6000 |                    7000 |                     nan |

原始表格

|      | SourceID | FieldName | VAL_1 | VAL_2 |
| ---- | -------- | --------- | ----- | ----- |
| 0    | 1        | P1        | 100   | 1000  |
| 1    | 1        | P2        | 200   | 2000  |
| 2    | 1        | P3        | 300   | 3000  |
| 3    | 1        | P4        | 400   | 4000  |
| 4    | 2        | P1        | 500   | 5000  |
| 5    | 2        | P2        | 600   | 6000  |
| 6    | 2        | P3        | 700   | 7000  |

---

我认为您的解决方案应该简化，因为不需要新的

多索引

，而是在

取消堆栈

之后连接列名称的值：

gby_temp = df.groupby(['SourceID', 'FieldName']).mean().unstack('FieldName')
gby_temp.columns = [f'{b}_{a}' for a, b in gby_temp.columns]
gby_temp = gby_temp.reset_index()

print(gby_temp)
   SourceID  P1_VAL_1  P2_VAL_1  P3_VAL_1  P4_VAL_1  P1_VAL_2  P2_VAL_2  \
0         1     100.0     200.0     300.0     400.0    1000.0    2000.0   
1         2     500.0     600.0     700.0       NaN    5000.0    6000.0   

   P3_VAL_2  P4_VAL_2  
0    3000.0    4000.0  
1    7000.0       NaN