如何将几个 pandas 数据框列汇总为父列名？

Question

我有一个看起来像这样的数据框

        some feature  another feature  label
sample
0       ...           ...              ...

我想得到一个带有 multiindexed 这样的列的数据框

        features            label
sample  some       another
0       ...        ...      ...

从 API 来看，我不清楚如何正确使用 from_arrays()、from_product()、from_tuples() 或 from_frame()。该解决方案不应依赖于特征列的字符串解析（some feature、another feature）。标签的最后一列是最后一列，可以使用它的列名label。我怎样才能得到我想要的？

Answer 1

从 API 来看，我不清楚如何正确使用 from_arrays()、from_product()、from_tuples() 或 from_frame()。

主要用于生成具有MultiIndex的新DataFrame，独立于原始列名。

所以这意味着如果需要全新的MultiIndex，例如通过列表或数组：

a = ['a','a','b']
b = ['x','y','z']
df.columns = pd.MultiIndex.from_arrays([a,b])
print (df)
        a     b
        x  y  z
sample         
0       2  3  5
1       4  5  7

EDIT1：如果想要将所有列设置为MultiIndex 所有列都以相同的方式没有最后一个：

a = ['parent'] * (len(df.columns) - 1) + ['label']
b = df.columns[:-1].tolist() + ['val']
df.columns = pd.MultiIndex.from_arrays([a,b])
print (df)
          parent           label
       feature a feature b   val
sample                          
0              2         3     5
1              4         5     7

---

split 是可能的，但是如果某些没有分隔符的列在第二级得到 NaNs，因为不可能组合 MultiIndex 而不是 MultiIndex 列（实际上是的，但是从 MultiIndex 列中获取元组） ：

print (df)
        feature_a  feature_b  label
sample                             
0               2          3      5
1               4          5      7

df.columns = df.columns.str.split(expand=True)
print (df)
       feature    label
             a  b   NaN
sample                 
0            2  3     5
1            4  5     7

所以最好先将所有不带分隔符的列转换为Index/MultiIndex DataFrame.set_index：

df = df.set_index('label')
df.columns = df.columns.str.split(expand=True)
print (df)
      feature   
            a  b
label           
5           2  3
7           4  5

为了防止原始索引被使用append=True参数：

df = df.set_index('label', append=True)
df.columns = df.columns.str.split(expand=True)
print (df)
             feature   
                   a  b
sample label           
0      5           2  3
1      7           4  5