如何从具有单级列的扁平化数据框返回到多索引数据框？答案

【问题标题】：How to go from a flattened dataframe with single-level columns back to a multi-indexed dataframe?如何从具有单级列的扁平化数据框返回到多索引数据框？
【发布时间】：2022-12-30 23:20:48
【问题描述】：

我想从以前带有单级列的扁平化数据框回到多索引数据框。

这是一个例子：

import pandas as pd

# Create a sample dataframe with multi-indexed columns
df = pd.DataFrame({('A', 'a'): [1, 2, 3], ('A', 'b'): [4, 5, 6], ('B', 'a'): [7, 8, 9], ('B', 'b'): [10, 11, 12]})

print(df)

多索引数据框：

   A     B    
   a  b  a   b
0  1  4  7  10
1  2  5  8  11
2  3  6  9  12

比展平：

# Flatten the columns using the to_flat_index() method
df.columns = df.columns.to_flat_index()

print(df)

具有单级列的扁平化数据框：

   (A, a)  (A, b)  (B, a)  (B, b)
0       1       4       7      10
1       2       5       8      11
2       3       6       9      12

如何从具有单级列的扁平化数据框返回到多索引数据框？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

第一个案例

从上面的示例中获取扁平化数据框：

# Create a new MultiIndex from the columns tuples names
new_columns = pd.MultiIndex.from_tuples(df.columns)

# Assign the new MultiIndex to the columns
df.columns = new_columns

print(df)

结果是：

   A     B    
   a  b  a   b
0  1  4  7  10
1  2  5  8  11
2  3  6  9  12

因为df.columns = df.columns.to_flat_index()方法返回的是一个新的单层级的Index对象，这是将多级列名扁平化为元组的结果。

因此，要从扁平化数据框创建新的多索引数据框，您需要提取原始多索引列名称的元组并将它们传递给pd.MultiIndex.from_tuples 方法。

第二个案例

您可能会遇到不同的展平数据帧，如本例所示：

import pandas as pd

# Create a sample dataframe with multi-indexed columns
df = pd.DataFrame({('A', 'a'): [1, 2, 3], ('A', 'b'): [4, 5, 6], ('B', 'a'): [7, 8, 9], ('B', 'b'): [10, 11, 12]})

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

print(df)

结果是：

   A_a  A_b  B_a  B_b
0    1    4    7   10
1    2    5    8   11
2    3    6    9   12

在这种情况下，您可以使用以下代码来获取多索引数据框：

# Create a new MultiIndex from a list of tuples
new_columns = pd.MultiIndex.from_tuples([tuple(col.split('_')) for col in df.columns])

# Assign the new MultiIndex to the columns
df.columns = new_columns

print(df)

结果是：

   A     B    
   a  b  a   b
0  1  4  7  10
1  2  5  8  11
2  3  6  9  12

【讨论】：