Pandas 对行的多级索引答案

【问题标题】：Pandas multi-level index to rowsPandas 对行的多级索引
【发布时间】：2015-11-04 21:25:21
【问题描述】：

我正在尝试转换此 DataFrame：

>>> df
D1     D2  
S1 S2  S1 S2
0  -4  1  -6
1  -5  2  -7
3  -8  3  -9

类似于：

>>> df
    0    1    2    3
D1  -4   -5   NaN  -8
D2  NaN  -6   -7   -9

基本上(D1,S1)和(D2,S1)列中的值需要合并到列名中，(D1,S2)和(D2,S2)列中的值成为唯一的数据值。

我怎样才能简单有效地做到这一点？

【问题讨论】：

标签： python pandas

【解决方案1】：

所需的 DataFrame 在索引中有Ds。 stack 将列级值移动到索引中。所以很自然会想到打电话给stack：

In [43]: result = df.stack(level=0); result
Out[43]: 
      S1  S2
0 D1   0  -4
  D2   1  -6
1 D1   1  -5
  D2   2  -7
2 D1   3  -8
  D2   3  -9

所需的DataFrame在索引中只有Ds，所以让我们删除外层值：

In [44]: result.index = result.index.droplevel(0); result
Out[44]: 
    S1  S2
D1   0  -4
D2   1  -6
D1   1  -5
D2   2  -7
D1   3  -8
D2   3  -9

我们现在希望S1 列成为列级别的值。这可以通过首先将S1 列移动到索引中来完成，

In [45]: result = result.set_index('S1', append=True); result
Out[45]: 
       S2
   S1    
D1 0   -4
D2 1   -6
D1 1   -5
D2 2   -7
D1 3   -8
D2 3   -9

然后调用unstack将索引级别移动到列级别：

In [46]: result = result.unstack('S1'); result
Out[46]: 
    S2          
S1   0  1   2  3
D1  -4 -5 NaN -8
D2 NaN -6  -7 -9

综合起来，

import pandas as pd
df = pd.DataFrame({('D1', 'S1'): [0, 1, 3],
 ('D1', 'S2'): [-4, -5, -8],
 ('D2', 'S1'): [1, 2, 3],
 ('D2', 'S2'): [-6, -7, -9]})

result = df.stack(level=0)
result.index = result.index.droplevel(0)
result = result.set_index('S1', append=True)
result = result.unstack('S1')
result.columns = result.columns.droplevel(0)
print(result)

产量

S1   0  1   2  3
D1  -4 -5 NaN -8
D2 NaN -6  -7 -9

供参考：四个基本的DataFrame重塑操作是

它们是基本的，因为 DataFrame 只是一个具有索引和列的数组水平。这些运算符允许您将值从数组移动到索引级别到列级别并返回。以各种方式将这 4 种操作结合起来可以解决了很多DataFrame reshaping问题。

【讨论】：