Python 如何将熊猫中的列分组为给定的类别？

假设我有一组列，我只想为了索引目的对它们进行分组。例如，我有一个dataframe

df

，其中有26列从

[“A”，…，“Z”]

调用，其行是文档中字母的引用

现在，我想将数据帧在“元音”和“辅音”之间进行拆分，这样我就可以得到只有类似

df[“元音”]

或

df[[“元音”]]

的元音的数据帧。也就是说，这个问题是否有多索引方法或其他工具？我知道一个简单的解决方案是定义

元音=[“a”，…“y”]

，然后执行

df[元音]

，但如果可用，我希望使用pandas功能

另一个例子是来自不同城市的不同传感器的温度时间序列，我想得到一个如下表：

---

因此，在我的分析中，我只需做

df[['City 1]].plot（）

，就可以在数据中快速导航

是的，熊猫有一个强大的系统来保护它们。做你想做的事情的一种方法如下：

vowels = ['A','E','I','O','U','Y']
tuples = [('Vowel' if x in vowels else 'Consonant', x) for x in df.columns.tolist()]
df.columns = pd.MultiIndex.from_tuples(tuples, names=['Kind', 'Letter'])

---

首先，你要列出元音（根据你的使用情况，你可能需要包括带有重音、变音符号等的字母）。然后创建一个元组列表，其中第一个值是

“元音”

或

“辅音”

，第二个值是列列表中每个字母的字母。然后用这些元组创建一个多索引。

是的，Pandas有一个强大的索引系统。做你想做的事情的一种方法如下：

vowels = ['A','E','I','O','U','Y']
tuples = [('Vowel' if x in vowels else 'Consonant', x) for x in df.columns.tolist()]
df.columns = pd.MultiIndex.from_tuples(tuples, names=['Kind', 'Letter'])

首先，你要列出元音（根据你的使用情况，你可能需要包括带有重音、变音符号等的字母）。然后创建一个元组列表，其中第一个值是

“元音”

或

“辅音”

，第二个值是列列表中每个字母的字母。然后用这些元组创建一个多索引