Panda: turunkan level dari indeks kolom multi-level?

Jika saya punya indeks kolom multi-level:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> pd.DataFrame([[1,2], [3,4]], columns=cols)

    Sebuah
   --- + -
    b | c
- + --- + -
0 | 1 | 2
1 | 3 | 4

Bagaimana saya bisa menurunkan level "a" dari indeks itu, jadi saya berakhir dengan:

    b | c
- + --- + -
0 | 1 | 2
1 | 3 | 4

Anda bisa menggunakan MultiIndex.droplevel:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> df = pd.DataFrame([[1,2], [3,4]], columns=cols)
>>> df
   a   
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]
>>> df.columns = df.columns.droplevel()
>>> df
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]

Cara lain untuk menjatuhkan indeks adalah dengan menggunakan pemahaman daftar:

df.columns = [col[1] for col in df.columns]

   b  c
0  1  2
1  3  4

Strategi ini juga berguna jika Anda ingin menggabungkan nama-nama dari kedua level seperti pada contoh di bawah ini di mana level bawah berisi dua 'y:

cols = pd.MultiIndex.from_tuples([("A", "x"), ("A", "y"), ("B", "y")])
df = pd.DataFrame([[1,2, 8 ], [3,4, 9]], columns=cols)

   A     B
   x  y  y
0  1  2  8
1  3  4  9

Menjatuhkan level atas akan meninggalkan dua kolom dengan indeks 'y'. Itu bisa dihindari dengan bergabung dengan nama-nama dengan daftar pemahaman.

df.columns = ['_'.join(col) for col in df.columns]

    A_x A_y B_y
0   1   2   8
1   3   4   9

Itu masalah yang saya miliki setelah melakukan groupby dan butuh beberapa saat untuk menemukan pertanyaan lain yang menyelesaikannya. Saya menyesuaikan solusi itu dengan kasus spesifik di sini.

Cara lain untuk melakukan ini adalah dengan menetapkan kembali dfberdasarkan bagian melintang df, menggunakan metode .xs .

>>> df

    a
    b   c
0   1   2
1   3   4

>>> df = df.xs('a', axis=1, drop_level=True)

    # 'a' : key on which to get cross section
    # axis=1 : get cross section of column
    # drop_level=True : returns cross section without the multilevel index

>>> df

    b   c
0   1   2
1   3   4

Pada Pandas 0.24.0 , sekarang kita dapat menggunakan DataFrame.droplevel () :

cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
df = pd.DataFrame([[1,2], [3,4]], columns=cols)

df.droplevel(0, axis=1) 

#   b  c
#0  1  2
#1  3  4

Ini sangat berguna jika Anda ingin menjaga rantai metode DataFrame Anda bergulir.

Anda juga bisa mencapainya dengan mengganti nama kolom:

df.columns = ['a', 'b']

Ini melibatkan langkah manual tetapi bisa menjadi pilihan terutama jika Anda akhirnya akan mengubah nama frame data Anda.

Trik kecil menggunakan sum level = 1 (berfungsi saat level = 1 semuanya unik)

df.sum(level=1,axis=1)
Out[202]: 
   b  c
0  1  2
1  3  4

Solusi yang lebih umum get_level_values

df.columns=df.columns.get_level_values(1)
df
Out[206]: 
   b  c
0  1  2
1  3  4

Saya telah bergumul dengan masalah ini karena saya tidak tahu mengapa fungsi droplevel () saya tidak berfungsi. Bekerja melalui beberapa dan belajar bahwa 'a' di tabel Anda adalah nama kolom dan 'b', 'c' adalah indeks. Apakah seperti ini akan membantu

df.columns.name = None
df.reset_index() #make index become label