Python 熊猫-如何展平列中的层次索引
我有一个在轴1(列)中具有层次索引的数据帧(来自Python 熊猫-如何展平列中的层次索引,python,pandas,dataframe,Python,Pandas,Dataframe,我有一个在轴1(列)中具有层次索引的数据帧(来自groupby.agg操作): 我想将其展平,使其看起来像这样(名称不重要-我可以重命名): 我该怎么做?(我试了很多,但都没有用。) 根据建议,这是dict格式的头部 {('USAF', ''): {0: '702730', 1: '702730', 2: '702730', 3: '702730', 4: '702730'}, ('WBAN', ''): {0: '26451', 1: '26451', 2: '26451',
groupby.agg
操作):
我想将其展平,使其看起来像这样(名称不重要-我可以重命名):
我该怎么做?(我试了很多,但都没有用。)
根据建议,这是dict格式的头部
{('USAF', ''): {0: '702730',
1: '702730',
2: '702730',
3: '702730',
4: '702730'},
('WBAN', ''): {0: '26451', 1: '26451', 2: '26451', 3: '26451', 4: '26451'},
('day', ''): {0: 1, 1: 2, 2: 3, 3: 4, 4: 5},
('month', ''): {0: 1, 1: 1, 2: 1, 3: 1, 4: 1},
('s_CD', 'sum'): {0: 12.0, 1: 13.0, 2: 2.0, 3: 12.0, 4: 10.0},
('s_CL', 'sum'): {0: 0.0, 1: 0.0, 2: 10.0, 3: 0.0, 4: 0.0},
('s_CNT', 'sum'): {0: 13.0, 1: 13.0, 2: 13.0, 3: 13.0, 4: 13.0},
('s_PC', 'sum'): {0: 1.0, 1: 0.0, 2: 1.0, 3: 1.0, 4: 3.0},
('tempf', 'amax'): {0: 30.920000000000002,
1: 32.0,
2: 23.0,
3: 10.039999999999999,
4: 19.939999999999998},
('tempf', 'amin'): {0: 24.98,
1: 24.98,
2: 6.9799999999999969,
3: 3.9199999999999982,
4: 10.940000000000001},
('year', ''): {0: 1993, 1: 1993, 2: 1993, 3: 1993, 4: 1993}}
我认为最简单的方法是将列设置为顶层:
df.columns = df.columns.get_level_values(0)
注意:如果to级别有名称,您也可以通过该名称而不是0来访问它
如果要将多索引合并到一个索引中(假设列中只有字符串项),可以:
df.columns = [' '.join(col).strip() for col in df.columns.values]
注意:当没有第二个索引时,必须使用空格
如果要保留多索引第二级的任何聚合信息,可以尝试以下方法:
In [1]: new_cols = [''.join(t) for t in df.columns]
Out[1]:
['USAF',
'WBAN',
'day',
'month',
's_CDsum',
's_CLsum',
's_CNTsum',
's_PCsum',
'tempfamax',
'tempfamin',
'year']
In [2]: df.columns = new_cols
安迪·海登的答案当然是最简单的方法——如果你想避免重复的列标签,你需要稍微调整一下
In [34]: df
Out[34]:
USAF WBAN day month s_CD s_CL s_CNT s_PC tempf year
sum sum sum sum amax amin
0 702730 26451 1 1 12 0 13 1 30.92 24.98 1993
1 702730 26451 2 1 13 0 13 0 32.00 24.98 1993
2 702730 26451 3 1 2 10 13 1 23.00 6.98 1993
3 702730 26451 4 1 12 0 13 1 10.04 3.92 1993
4 702730 26451 5 1 10 0 13 3 19.94 10.94 1993
In [35]: mi = df.columns
In [36]: mi
Out[36]:
MultiIndex
[(USAF, ), (WBAN, ), (day, ), (month, ), (s_CD, sum), (s_CL, sum), (s_CNT, sum), (s_PC, sum), (tempf, amax), (tempf, amin), (year, )]
In [37]: mi.tolist()
Out[37]:
[('USAF', ''),
('WBAN', ''),
('day', ''),
('month', ''),
('s_CD', 'sum'),
('s_CL', 'sum'),
('s_CNT', 'sum'),
('s_PC', 'sum'),
('tempf', 'amax'),
('tempf', 'amin'),
('year', '')]
In [38]: ind = pd.Index([e[0] + e[1] for e in mi.tolist()])
In [39]: ind
Out[39]: Index([USAF, WBAN, day, month, s_CDsum, s_CLsum, s_CNTsum, s_PCsum, tempfamax, tempfamin, year], dtype=object)
In [40]: df.columns = ind
In [46]: df
Out[46]:
USAF WBAN day month s_CDsum s_CLsum s_CNTsum s_PCsum tempfamax tempfamin \
0 702730 26451 1 1 12 0 13 1 30.92 24.98
1 702730 26451 2 1 13 0 13 0 32.00 24.98
2 702730 26451 3 1 2 10 13 1 23.00 6.98
3 702730 26451 4 1 12 0 13 1 10.04 3.92
4 702730 26451 5 1 10 0 13 3 19.94 10.94
year
0 1993
1 1993
2 1993
3 1993
4 1993
如果希望在级别之间的名称中使用分隔符,则此函数可以正常工作
def flattenHierarchicalCol(col,sep = '_'):
if not type(col) is tuple:
return col
else:
new_col = ''
for leveli,level in enumerate(col):
if not level == '':
if not leveli == 0:
new_col += sep
new_col += level
return new_col
df.columns = df.columns.map(flattenHierarchicalCol)
您也可以按以下操作。考虑<代码> df>代码>作为您的数据文件,并假设一个两级索引(如您的示例中的情况)
可能有点晚,但如果您不担心重复的列名:
df.columns = df.columns.tolist()
def flatten_cols(df):
df.columns = [
'_'.join(tuple(map(str, t))).rstrip('_')
for t in df.columns.values
]
return df
处理多个级别和混合类型的通用解决方案:
df.columns = ['_'.join(tuple(map(str, t))) for t in df.columns.values]
在@jxstanford和@tvt173之后,我编写了一个快速函数,不管string/int列名如何,它都应该能够完成这一任务:
df.columns = df.columns.tolist()
def flatten_cols(df):
df.columns = [
'_'.join(tuple(map(str, t))).rstrip('_')
for t in df.columns.values
]
return df
在阅读了所有答案后,我得出了以下结论:
def __my_flatten_cols(self, how="_".join, reset_index=True):
how = (lambda iter: list(iter)[-1]) if how == "last" else how
self.columns = [how(filter(None, map(str, levels))) for levels in self.columns.values] \
if isinstance(self.columns, pd.MultiIndex) else self.columns
return self.reset_index() if reset_index else self
pd.DataFrame.my_flatten_cols = __my_flatten_cols
用法:
给定一个数据帧:
df = pd.DataFrame({"grouper": ["x","x","y","y"], "val1": [0,2,4,6], 2: [1,3,5,7]}, columns=["grouper", "val1", 2])
grouper val1 2
0 x 0 1
1 x 2 3
2 y 4 5
3 y 6 7
- 单一聚合方法:结果变量命名为与源相同的:
df.groupby(by="grouper").agg("min").my_flatten_cols()
df.groupby(by="grouper").agg({"val1": [min,max]}).my_flatten_cols("last")
df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols() # you can combine the names in other ways too, e.g. use a different delimiter: #df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols(" ".join)
- 与
相同,因为_index=Falsedf.groupby(by=“grouper”,
或)
.reset_index().agg(…)
- 与
- 单源变量,多个聚合:结果变量以统计数据命名:
df.groupby(by="grouper").agg("min").my_flatten_cols()
df.groupby(by="grouper").agg({"val1": [min,max]}).my_flatten_cols("last")
df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols() # you can combine the names in other ways too, e.g. use a different delimiter: #df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols(" ".join)
- 与
a=df.groupby(..).agg(..)相同;a、 columns=a.columns.droplevel(0);a、 重置索引()
- 与
- 多个变量,多个聚合:结果变量命名为(varname)\uu(statname):
df.groupby(by="grouper").agg("min").my_flatten_cols()
df.groupby(by="grouper").agg({"val1": [min,max]}).my_flatten_cols("last")
df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols() # you can combine the names in other ways too, e.g. use a different delimiter: #df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols(" ".join)
- 在引擎盖下为a.columns.values中的级别运行
(因为这种形式的a.columns=[“979;”.join(过滤器(无,映射(str,levels))
导致列上的agg()
多索引)
- 如果您没有
帮助程序,那么键入以下建议的解决方案可能会更容易:my_flatten\u cols
,这在这种情况下也会起到类似的作用(但如果列上有数字标签,则会失败)a.columns=[“277;”.join(t).rstrip(“277;”)for t in a.columns.values]
- 要处理列上的数字标签,您可以使用(
),但我不理解为什么需要调用a.columns=[“979;”.join(tuple(map(str,t))).rstrip(“979;”)建议的解决方案来处理a.columns.values中的t]
,我相信只有在某些列具有类似tuple()
(如果在尝试修复的描述符时才需要
(“colname”,”)rstrip()
列之前
,则可能发生这种情况)重置索引()
- 在引擎盖下为a.columns.values中的级别运行
- 您想手动命名结果变量:(这是随附的)
- 建议:手动设置列:
或res.columns=['A\u sum',B\u sum',count']
ing多个.join()
语句groupby
- 建议:手动设置列:
- 级别名称可以是非字符串,例如,因此我们必须使用
map(str,…)
- 它们也可以是空的,因此我们必须
筛选(无,…)
- 对于单级列(即除多索引外的任何列),
返回名称(columns.values
,而不是元组)str
- 根据您使用
的方式,您可能需要保留列的最底部标签或连接多个标签.agg()
- (因为我是pandas的新手?)
- 使用
map
函数是实现这一点的最具python风格的方法
df.columns = df.columns.map(' '.join).str.strip()
输出打印(测向列)
:
使用Python 3.6+和f字符串进行更新:
输出:
Index(['USAF', 'WBAN', 'day', 'month', 's_CD sum', 's_CL sum', 's_CNT sum',
's_PC sum', 'tempf amax', 'tempf amin', 'year'],
dtype='object')
我将分享一种对我有效的直截了当的方法
[" ".join([str(elem) for elem in tup]) for tup in df.columns.tolist()]
#df = df.reset_index() if needed
要展平其他数据帧方法链中的多索引,请定义如下函数:
def展平指数(df):
df_copy=df.copy()
df_copy.columns=['''''.'连接(col).rstrip(''''.'用于df_copy.columns.values中的col]
返回df_copy.reset_index()
然后使用在数据帧方法链中应用此函数,在groupby
和agg
之后,但在链中的任何其他方法之前:
my_df\
.groupby(“组”)\
.agg({'value':['count']})\
.管道(展平指数)\
.sort_值('value_count')
此线程上的所有当前答案都必须有点过时。从pandas
版本0.24.0开始,.to\u flat\u index()
满足您的需要
来自熊猫的:
多索引。到平面索引()
将多重索引转换为包含级别值的元组索引
其文档中的一个简单示例:
import pandas as pd
print(pd.__version__) # '0.23.4'
index = pd.MultiIndex.from_product(
[['foo', 'bar'], ['baz', 'qux']],
names=['a', 'b'])
print(index)
# MultiIndex(levels=[['bar', 'foo'], ['baz', 'qux']],
# codes=[[1, 1, 0, 0], [0, 1, 0, 1]],
# names=['a', 'b'])
将应用于平面索引()
:
使用它替换现有的
列
关于如何在dat
上使用它的示例,dat是一个带有多索引列的数据帧:
dat = df.loc[:,['name','workshop_period','class_size']].groupby(['name','workshop_period']).describe()
print(dat.columns)
# MultiIndex(levels=[['class_size'], ['count', 'mean', 'std', 'min', '25%', '50%', '75%', 'max']],
# codes=[[0, 0, 0, 0, 0, 0, 0, 0], [0, 1, 2, 3, 4, 5, 6, 7]])
dat.columns = dat.columns.to_flat_index()
print(dat.columns)
# Index([('class_size', 'count'), ('class_size', 'mean'),
# ('class_size', 'std'), ('class_size', 'min'),
# ('class_size', '25%'), ('class_size', '50%'),
# ('class_size', '75%'), ('class_size', 'max')],
# dtype='object')
就地展开和重命名
可能值得注意的是,您如何将其与简单的列表理解相结合(感谢@Skippy和@mmann1123),以加入元素,从而使生成的列名变得简单
df.columns = [f'{f} {s}' if s != '' else f'{f}'
for f, s in df.columns]
print(df.columns)
Index(['USAF', 'WBAN', 'day', 'month', 's_CD sum', 's_CL sum', 's_CNT sum',
's_PC sum', 'tempf amax', 'tempf amin', 'year'],
dtype='object')
[" ".join([str(elem) for elem in tup]) for tup in df.columns.tolist()]
#df = df.reset_index() if needed
import pandas as pd
print(pd.__version__) # '0.23.4'
index = pd.MultiIndex.from_product(
[['foo', 'bar'], ['baz', 'qux']],
names=['a', 'b'])
print(index)
# MultiIndex(levels=[['bar', 'foo'], ['baz', 'qux']],
# codes=[[1, 1, 0, 0], [0, 1, 0, 1]],
# names=['a', 'b'])
index.to_flat_index()
# Index([('foo', 'baz'), ('foo', 'qux'), ('bar', 'baz'), ('bar', 'qux')], dtype='object')
dat = df.loc[:,['name','workshop_period','class_size']].groupby(['name','workshop_period']).describe()
print(dat.columns)
# MultiIndex(levels=[['class_size'], ['count', 'mean', 'std', 'min', '25%', '50%', '75%', 'max']],
# codes=[[0, 0, 0, 0, 0, 0, 0, 0], [0, 1, 2, 3, 4, 5, 6, 7]])
dat.columns = dat.columns.to_flat_index()
print(dat.columns)
# Index([('class_size', 'count'), ('class_size', 'mean'),
# ('class_size', 'std'), ('class_size', 'min'),
# ('class_size', '25%'), ('class_size', '50%'),
# ('class_size', '75%'), ('class_size', 'max')],
# dtype='object')
dat.columns = ["_".join(a) for a in dat.columns.to_flat_index()]
level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
df.columns = level_one + level_two
level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
column_separator = ['_' if x != '' else '' for x in level_two]
df.columns = level_one + column_separator + level_two
level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
level_three = df.columns.get_level_values(2).astype(str)
df.columns = level_one + level_two + level_three
df.columns = df.columns.to_flat_index().str.join('_')
USAF_ WBAN_ day_ month_ ... s_PC_sum tempf_amax tempf_amin year_
0 702730 26451 1 1 ... 1.0 30.92 24.98 1993
1 702730 26451 2 1 ... 0.0 32.00 24.98 1993
2 702730 26451 3 1 ... 1.0 23.00 6.98 1993
3 702730 26451 4 1 ... 1.0 10.04 3.92 1993
4 702730 26451 5 1 ... 3.0 19.94 10.94 1993