Python 对行进行多级索引

我正在尝试转换此数据帧：

例如：

本质上，列

（D1，S1）

和

（D2，S1）

中的值需要合并到列名中，列

（D1，S2）

和

（D2，S2）

中的值成为唯一的数据值

---

如何简单有效地实现这一点？

所需的数据帧在索引中具有

D

s<代码>堆栈将列级值移动到索引中。因此，考虑调用

堆栈是很自然的：

In [43]: result = df.stack(level=0); result
Out[43]: 
      S1  S2
0 D1   0  -4
  D2   1  -6
1 D1   1  -5
  D2   2  -7
2 D1   3  -8
  D2   3  -9

所需的数据帧在索引中只有
D
s，因此让我们删除外部级别值：

In [44]: result.index = result.index.droplevel(0); result
Out[44]: 
    S1  S2
D1   0  -4
D2   1  -6
D1   1  -5
D2   2  -7
D1   3  -8
D2   3  -9

现在，我们希望
S1
列成为列级值。首先将
S1
列移动到索引中

In [45]: result = result.set_index('S1', append=True); result
Out[45]: 
       S2
   S1    
D1 0   -4
D2 1   -6
D1 1   -5
D2 2   -7
D1 3   -8
D2 3   -9

然后调用
unstack
将索引级别移动到列级别：

In [46]: result = result.unstack('S1'); result
Out[46]: 
    S2          
S1   0  1   2  3
D1  -4 -5 NaN -8
D2 NaN -6  -7 -9


总而言之

import pandas as pd
df = pd.DataFrame({('D1', 'S1'): [0, 1, 3],
 ('D1', 'S2'): [-4, -5, -8],
 ('D2', 'S1'): [1, 2, 3],
 ('D2', 'S2'): [-6, -7, -9]})

result = df.stack(level=0)
result.index = result.index.droplevel(0)
result = result.set_index('S1', append=True)
result = result.unstack('S1')
result.columns = result.columns.droplevel(0)
print(result)

屈服

S1   0  1   2  3
D1  -4 -5 NaN -8
D2 NaN -6  -7 -9


供参考：四种基本的数据帧重塑操作如下


,
,
及


它们是基本的，因为数据帧只是一个带有索引和列的数组
水平。这些运算符允许您将值从数组移动到索引级别
到列级别并返回。以各种方式组合这4种操作可以
解决了许多数据帧重塑问题

import pandas as pd
df = pd.DataFrame({('D1', 'S1'): [0, 1, 3],
 ('D1', 'S2'): [-4, -5, -8],
 ('D2', 'S1'): [1, 2, 3],
 ('D2', 'S2'): [-6, -7, -9]})

result = df.stack(level=0)
result.index = result.index.droplevel(0)
result = result.set_index('S1', append=True)
result = result.unstack('S1')
result.columns = result.columns.droplevel(0)
print(result)

S1   0  1   2  3
D1  -4 -5 NaN -8
D2 NaN -6  -7 -9