Python 将面板转换为具有（次要、项目）多级列的DataFrame？_Python_Pandas_Dataframe

Python 将面板转换为具有（次要、项目）多级列的DataFrame？

python pandas dataframe

Python 将面板转换为具有（次要、项目）多级列的DataFrame？,python,pandas,dataframe,Python,Pandas,Dataframe,我有一个熊猫小组： Items axis: X1 to X3 Major_axis axis: (1973-09-30 00:00:00, 1989-03-31 00:00:00) to (2015-07-31 00:00:00, 2015-08-21 00:00:00) Minor_axis axis: A to C 我想把它转换成一个数据帧，它有一个多级列（Item，Minor），多级列如下所示： mi_tuples = [ ('A','X1'), ('A','X2'), ('A','X3

我有一个熊猫小组：

Items axis: X1 to X3
Major_axis axis: (1973-09-30 00:00:00, 1989-03-31 00:00:00) to (2015-07-31 00:00:00, 2015-08-21 00:00:00)
Minor_axis axis: A to C

我想把它转换成一个数据帧，它有一个多级列（Item，Minor），多级列如下所示：

mi_tuples = [ ('A','X1'), ('A','X2'), ('A','X3'), ('B','X1'), ('B','X2'), ('B','X3'), ('C','X1'), ('C','X2'), ('C','X3') ]
mi_columns = pd.MultiIndex.from_tuples(mi_tuples, names = ['minor', 'items'])

有什么想法吗

谢谢

我认为结合使用

到_frame

，

取消堆叠

，以及

旋转木马

可以让你达到目的。请参见下面的一些示例数据

In [134]: pnl = pd.io.data.DataReader(['GOOG', 'AAPL'], 'yahoo')

In [135]: pnl
Out[135]: 
<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 1421 (major_axis) x 2 (minor_axis)
Items axis: Open to Adj Close
Major_axis axis: 2010-01-04 00:00:00 to 2015-08-25 00:00:00
Minor_axis axis: AAPL to GOOG

In [136]: df = pnl.to_frame().unstack(level=1)

In [137]: df.columns = df.columns.swaplevel(0,1)

In [138]: df.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1421 entries, 2010-01-04 to 2015-08-25
Data columns (total 12 columns):
(AAPL, Open)         1421 non-null float64
(GOOG, Open)         357 non-null float64
(AAPL, High)         1421 non-null float64
(GOOG, High)         357 non-null float64
(AAPL, Low)          1421 non-null float64
(GOOG, Low)          357 non-null float64
(AAPL, Close)        1421 non-null float64
(GOOG, Close)        357 non-null float64
(AAPL, Volume)       1421 non-null float64
(GOOG, Volume)       357 non-null float64
(AAPL, Adj Close)    1421 non-null float64
(GOOG, Adj Close)    357 non-null float64
dtypes: float64(12)
memory usage: 144.3 KB

[134]中的

：pnl=pd.io.data.DataReader（['GOOG'，'AAPL'，'yahoo'））
In[135]：pnl
出[135]：
尺寸：6（项目）x 1421（长轴）x 2（短轴）
项目轴：打开到调整关闭
长轴：2010-01-04 00:00:00至2015-08-25 00:00:00
短轴：AAPL至GOOG
在[136]中：df=pnl.to_frame（）.取消堆栈（级别=1）
In[137]：df.columns=df.columns.swaplevel（0,1）
在[138]：df.info（）中
日期时间索引：1421条，2010-01-04至2015-08-25
数据列（共12列）：
（AAPL，打开）1421非空浮点64
（GOOG，Open）357非空浮点64
（AAPL，高）1421非空浮点64
（高，高）357非空浮点64
（AAPL，低）1421非空浮点64
（咕咕，低）357非空浮点64
（AAPL，关闭）1421非空浮点64
（GOOG，Close）357非空浮点64
（AAPL，卷）1421非空浮点64
（GOOG，卷）357非空浮点64
（AAPL，Adj Close）1421非空浮点64
（GOOG，Adj Close）357非空浮点64
数据类型：float64（12）
内存使用率：144.3KB

我认为将

转帧

、

取消堆叠

和

旋转木马

相结合可以实现这一目标。请参见下面的一些示例数据

In [134]: pnl = pd.io.data.DataReader(['GOOG', 'AAPL'], 'yahoo')

In [135]: pnl
Out[135]: 
<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 1421 (major_axis) x 2 (minor_axis)
Items axis: Open to Adj Close
Major_axis axis: 2010-01-04 00:00:00 to 2015-08-25 00:00:00
Minor_axis axis: AAPL to GOOG

In [136]: df = pnl.to_frame().unstack(level=1)

In [137]: df.columns = df.columns.swaplevel(0,1)

In [138]: df.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1421 entries, 2010-01-04 to 2015-08-25
Data columns (total 12 columns):
(AAPL, Open)         1421 non-null float64
(GOOG, Open)         357 non-null float64
(AAPL, High)         1421 non-null float64
(GOOG, High)         357 non-null float64
(AAPL, Low)          1421 non-null float64
(GOOG, Low)          357 non-null float64
(AAPL, Close)        1421 non-null float64
(GOOG, Close)        357 non-null float64
(AAPL, Volume)       1421 non-null float64
(GOOG, Volume)       357 non-null float64
(AAPL, Adj Close)    1421 non-null float64
(GOOG, Adj Close)    357 non-null float64
dtypes: float64(12)
memory usage: 144.3 KB

[134]中的

：pnl=pd.io.data.DataReader（['GOOG'，'AAPL'，'yahoo'））
In[135]：pnl
出[135]：
尺寸：6（项目）x 1421（长轴）x 2（短轴）
项目轴：打开到调整关闭
长轴：2010-01-04 00:00:00至2015-08-25 00:00:00
短轴：AAPL至GOOG
在[136]中：df=pnl.to_frame（）.取消堆栈（级别=1）
In[137]：df.columns=df.columns.swaplevel（0,1）
在[138]：df.info（）中
日期时间索引：1421条，2010-01-04至2015-08-25
数据列（共12列）：
（AAPL，打开）1421非空浮点64
（GOOG，Open）357非空浮点64
（AAPL，高）1421非空浮点64
（高，高）357非空浮点64
（AAPL，低）1421非空浮点64
（咕咕，低）357非空浮点64
（AAPL，关闭）1421非空浮点64
（GOOG，Close）357非空浮点64
（AAPL，卷）1421非空浮点64
（GOOG，卷）357非空浮点64
（AAPL，Adj Close）1421非空浮点64
（GOOG，Adj Close）357非空浮点64
数据类型：float64（12）
内存使用率：144.3KB

我认为将

转帧

、

取消堆叠

和

旋转木马

相结合可以实现这一目标。请参见下面的一些示例数据

In [134]: pnl = pd.io.data.DataReader(['GOOG', 'AAPL'], 'yahoo')

In [135]: pnl
Out[135]: 
<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 1421 (major_axis) x 2 (minor_axis)
Items axis: Open to Adj Close
Major_axis axis: 2010-01-04 00:00:00 to 2015-08-25 00:00:00
Minor_axis axis: AAPL to GOOG

In [136]: df = pnl.to_frame().unstack(level=1)

In [137]: df.columns = df.columns.swaplevel(0,1)

In [138]: df.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1421 entries, 2010-01-04 to 2015-08-25
Data columns (total 12 columns):
(AAPL, Open)         1421 non-null float64
(GOOG, Open)         357 non-null float64
(AAPL, High)         1421 non-null float64
(GOOG, High)         357 non-null float64
(AAPL, Low)          1421 non-null float64
(GOOG, Low)          357 non-null float64
(AAPL, Close)        1421 non-null float64
(GOOG, Close)        357 non-null float64
(AAPL, Volume)       1421 non-null float64
(GOOG, Volume)       357 non-null float64
(AAPL, Adj Close)    1421 non-null float64
(GOOG, Adj Close)    357 non-null float64
dtypes: float64(12)
memory usage: 144.3 KB

[134]中的

：pnl=pd.io.data.DataReader（['GOOG'，'AAPL'，'yahoo'））
In[135]：pnl
出[135]：
尺寸：6（项目）x 1421（长轴）x 2（短轴）
项目轴：打开到调整关闭
长轴：2010-01-04 00:00:00至2015-08-25 00:00:00
短轴：AAPL至GOOG
在[136]中：df=pnl.to_frame（）.取消堆栈（级别=1）
In[137]：df.columns=df.columns.swaplevel（0,1）
在[138]：df.info（）中
日期时间索引：1421条，2010-01-04至2015-08-25
数据列（共12列）：
（AAPL，打开）1421非空浮点64
（GOOG，Open）357非空浮点64
（AAPL，高）1421非空浮点64
（高，高）357非空浮点64
（AAPL，低）1421非空浮点64
（咕咕，低）357非空浮点64
（AAPL，关闭）1421非空浮点64
（GOOG，Close）357非空浮点64
（AAPL，卷）1421非空浮点64
（GOOG，卷）357非空浮点64
（AAPL，Adj Close）1421非空浮点64
（GOOG，Adj Close）357非空浮点64
数据类型：float64（12）
内存使用率：144.3KB

我认为将

转帧

、

取消堆叠

和

旋转木马

相结合可以实现这一目标。请参见下面的一些示例数据

In [134]: pnl = pd.io.data.DataReader(['GOOG', 'AAPL'], 'yahoo')

In [135]: pnl
Out[135]: 
<class 'pandas.core.panel.Panel'>
Dimensions: 6 (items) x 1421 (major_axis) x 2 (minor_axis)
Items axis: Open to Adj Close
Major_axis axis: 2010-01-04 00:00:00 to 2015-08-25 00:00:00
Minor_axis axis: AAPL to GOOG

In [136]: df = pnl.to_frame().unstack(level=1)

In [137]: df.columns = df.columns.swaplevel(0,1)

In [138]: df.info()
<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1421 entries, 2010-01-04 to 2015-08-25
Data columns (total 12 columns):
(AAPL, Open)         1421 non-null float64
(GOOG, Open)         357 non-null float64
(AAPL, High)         1421 non-null float64
(GOOG, High)         357 non-null float64
(AAPL, Low)          1421 non-null float64
(GOOG, Low)          357 non-null float64
(AAPL, Close)        1421 non-null float64
(GOOG, Close)        357 non-null float64
(AAPL, Volume)       1421 non-null float64
(GOOG, Volume)       357 non-null float64
(AAPL, Adj Close)    1421 non-null float64
(GOOG, Adj Close)    357 non-null float64
dtypes: float64(12)
memory usage: 144.3 KB

[134]中的

：pnl=pd.io.data.DataReader（['GOOG'，'AAPL'，'yahoo'））
In[135]：pnl
出[135]：
尺寸：6（项目）x 1421（长轴）x 2（短轴）
项目轴：打开到调整关闭
长轴：2010-01-04 00:00:00至2015-08-25 00:00:00
短轴：AAPL至GOOG
在[136]中：df=pnl.to_frame（）.取消堆栈（级别=1）
In[137]：df.columns=df.columns.swaplevel（0,1）
在[138]：df.info（）中
日期时间索引：1421条，2010-01-04至2015-08-25
数据列（共12列）：
（AAPL，打开）1421非空浮点64
（GOOG，Open）357非空浮点64
（AAPL，高）1421非空浮点64
（高，高）357非空浮点64
（AAPL，低）1421非空浮点64
（咕咕，低）357非空浮点64
（AAPL，关闭）1421非空浮点64
（GOOG，Close）357非空浮点64
（AAPL，卷）1421非空浮点64
（GOOG，卷）357非空浮点64
（AAPL，Adj Close）1421非空浮点64
（GOOG，Adj Close）357非空浮点64
数据类型：float64（12）
内存使用率：144.3KB