Pandas: удалить уровень из многоуровневого индекса столбца?

Если у меня есть многоуровневый индекс столбца:

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

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

Как я могу сбросить уровень "а" этого индекса, поэтому в итоге получим:

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

Ответ 1

Вы можете использовать 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]

Ответ 2

Другой способ сбросить индекс - использовать понимание списка:

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

   b  c
0  1  2
1  3  4

Эта стратегия также полезна, если вы хотите комбинировать имена с обоих уровней, как в примере ниже, где нижний уровень содержит два "y's:

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

Отбрасывание верхнего уровня оставит два столбца с индексом 'y'. Этого можно избежать, соединяя имена со списком.

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

    A_x A_y B_y
0   1   2   8
1   3   4   9

Это проблема, с которой я столкнулся после группы, и потребовалось некоторое время, чтобы найти этот другой вопрос, который ее решил. Я адаптировал это решение для конкретного случая здесь.

Ответ 3

Другой способ сделать это - переназначить df на основе сечения df, используя метод .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

Ответ 4

Вы также можете добиться этого, переименовав столбцы:

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

Это включает ручной шаг, но может быть вариант, особенно если вы в конечном итоге переименуете свой фрейм данных.

Ответ 5

Небольшой трюк с использованием sum с уровнем = 1 (работает, когда уровень = 1 является уникальным)

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

Более распространенное решение get_level_values

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

Ответ 6

Я боролся с этой проблемой, так как я не знаю, почему моя функция droplevel() не работает. Проработайте несколько и узнайте, что 'a в вашей таблице - это имя столбца, а' b, 'c - это индекс. Делать как это поможет

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

Ответ 7

Начиная с Pandas 0.24.0, теперь мы можем использовать 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

Это очень полезно, если вы хотите поддерживать цепочку методов DataFrame.