Python 将数据帧中的辅助索引重置为从1开始
假设我构建了一个多索引数据帧,如图所示:Python 将数据帧中的辅助索引重置为从1开始,python,pandas,dataframe,multi-index,Python,Pandas,Dataframe,Multi Index,假设我构建了一个多索引数据帧,如图所示: prim_ind=np.array(range(0,1000)) for i in range(0,1000): prim_ind[i]=round(i/4) d = {'prim_ind' :prim_ind, 'sec_ind' : np.array(range(1,1001)), 'a' : np.array(range(325,1325)), 'b' : np.array(range(8318,9318))
prim_ind=np.array(range(0,1000))
for i in range(0,1000):
prim_ind[i]=round(i/4)
d = {'prim_ind' :prim_ind,
'sec_ind' : np.array(range(1,1001)),
'a' : np.array(range(325,1325)),
'b' : np.array(range(8318,9318))}
df= pd.DataFrame(d).set_index(['prim_ind','sec_ind'])
sec_ind从1开始按顺序运行,但我想重置第二个索引,以便对于每个prim_ind级别,sec_ind始终从1开始。我一直在尝试,如果我可以使用重置索引来做这件事,但我失败得很惨
我知道我可以迭代数据帧来得到这个结果,但这将是一个可怕的方法,必须有一个更pythonic的方法-有人能帮忙吗
注意:我使用的数据框实际上是从csv导入的,上面的代码只是为了说明这个问题。您可以用于计数类别
df.index = [df.index.get_level_values(0), df.groupby(level=0).cumcount() + 1]
如果还需要使用索引名,则更好:
因此,列sec_ind
不是必需的,您还可以使用:
d = {'prim_ind' :prim_ind,
'a' : np.array(range(325,1325)),
'b' : np.array(range(8318,9318))}
df = pd.DataFrame(d)
print (df.head(8))
a b prim_ind
0 325 8318 0
1 326 8319 0
2 327 8320 0
3 328 8321 1
4 329 8322 1
5 330 8323 1
6 331 8324 2
7 332 8325 2
df = df.set_index(['prim_ind', df.groupby('prim_ind').cumcount() + 1]) \
.rename_axis(('first','second'))
print (df.head(8))
a b
first second
0 1 325 8318
2 326 8319
3 327 8320
1 1 328 8321
2 329 8322
3 330 8323
2 1 331 8324
2 332 8325
非常感谢!解决了我的问题。你的第一个建议很有效,然后我做了
df.index.rename(['prim','sec'],inplace=True)
来重新引入索引名。
d = {'prim_ind' :prim_ind,
'a' : np.array(range(325,1325)),
'b' : np.array(range(8318,9318))}
df = pd.DataFrame(d)
print (df.head(8))
a b prim_ind
0 325 8318 0
1 326 8319 0
2 327 8320 0
3 328 8321 1
4 329 8322 1
5 330 8323 1
6 331 8324 2
7 332 8325 2
df = df.set_index(['prim_ind', df.groupby('prim_ind').cumcount() + 1]) \
.rename_axis(('first','second'))
print (df.head(8))
a b
first second
0 1 325 8318
2 326 8319
3 327 8320
1 1 328 8321
2 329 8322
3 330 8323
2 1 331 8324
2 332 8325