数据框：将具有相同列名的单独子列组合在一起答案

【问题标题】：Dataframe : Group separate subcolumns with identical column names together数据框：将具有相同列名的单独子列组合在一起
【发布时间】：2021-09-26 13:30:43
【问题描述】：

我已经设法制定了一个数据框，该数据框有大约 200 列，每列都有一个子列。现在经过一些计算，一组单独的值已存储在具有相同列名的同一数据框中。因此，它们以不同的子列名称存储。我的问题是如何将这两组（列、子列）对组合在一起。

以下是类似表示的较小子集（我拥有的）：

          Date    Column1     Column2   Column3      Column1     Column2   Column3
                      Num         Num       Num       ProdID      ProdID    ProdID
0   2015-01-02        100         106       111           AA          AA        AD
1   2015-01-02        105         118       109           AB          AA        AB
2   2015-01-02        102         173       188           AC          AC        AC
3   2015-01-02        112         101       105           AD          AB        AE
4   2015-01-02        139         191       156           AE          AE        AC
5   2015-01-02        126         172       117           AF          AE        AF

以下是我想要的：

          Date              Column1              Column2                Column3      
                      Num    ProdID       Num     ProdID         Num     ProdID      
0   2015-01-02        100        AA       106         AA         111         AD
1   2015-01-02        105        AB       118         AA         109         AB
2   2015-01-02        102        AC       173         AC         188         AC
3   2015-01-02        112        AD       101         AB         105         AE
4   2015-01-02        139        AE       191         AE         156         AC
5   2015-01-02        126        AF       172         AE         117         AF

我已经尝试过基本的 groupby 语句，例如

df = df.groupby(df.columns, axis=1)

但这不起作用。我认为这很容易，但无法弄清楚

【问题讨论】：

你是什么意思“groupby”你是在计算对还是你只是想排序数据框中的列？
不，我只是想将子列放在同一列下。计算和值插入已经完成

标签： python pandas dataframe multi-index

【解决方案1】：

我们可以试试reindex:

df = df.reindex(columns=[df.columns[0], *sorted(df.columns[1:])])

df.columns[0] 是 Date，应该不进行排序。然后其余列得到sorteddf.columns[1:]。

样本数据

import numpy as np
import pandas as pd

rows = 3
df = pd.DataFrame(
    np.arange(1, (rows * 5) + 1).reshape(-1, 5),
    columns=pd.MultiIndex.from_arrays([
        ['Date', 'Column1', 'Column2', 'Column1', 'Column2'],
        ['', 'Num', 'Num', 'ProdID', 'ProdID']
    ])
)
df.iloc[:, 0] = pd.date_range(start='2021-01-01', periods=len(df), freq='D')

之前：

        Date Column1 Column2 Column1 Column2
                 Num     Num  ProdID  ProdID
0 2021-01-01       2       3       4       5
1 2021-01-02       7       8       9      10
2 2021-01-03      12      13      14      15

reindex之后：

        Date Column1        Column2       
                 Num ProdID     Num ProdID
0 2021-01-01       2      4       3      5
1 2021-01-02       7      9       8     10
2 2021-01-03      12     14      13     15

【讨论】：