Pandas 用旧的列名创建一个新的数据框

Question

我需要一些帮助来构建数据。所以我有以下DataFrame（称为df）：

我想根据 Mean_CArea、Mean_CPressure 和 Mean_Force 对我的数据框进行分组。但是，我得到了以下结果：

如您所见，列名是 0、1、2，而不是 NATIVE_RH、ANATOMICAL_RH 和 NON_ANATOMICAL_RH。有没有办法从原始数据框中获取正确的列名？

到目前为止，这是我的代码：

def function(self, df):
    d = dict()
    for head in df.columns.tolist():
        RH, j_mechanics = head
        if j_mechanics not in d:
            d[j_mechanics] = df[head]
        else:
            d[j_mechanics] = pd.concat([d[j_mechanics],df[head]], axis=1, ignore_index=True)
    for df_name, df in sorted(d.items()):
        print(df_name)
        print(df.head())

提前致谢！

Answer 1

IIUC 您可以按列 (axis=1) 和一级 (level=0) 将 swaplevel 与 groupby 一起使用：

df = pd.DataFrame({('B', 'a'): {0: 4, 1: 10}, ('B', 'b'): {0: 5, 1: 11}, ('B', 'c'): {0: 6, 1: 12}, ('A', 'a'): {0: 1, 1: 7}, ('A', 'c'): {0: 3, 1: 9}, ('A', 'b'): {0: 2, 1: 8}})

print (df)
   A         B        
   a  b  c   a   b   c
0  1  2  3   4   5   6
1  7  8  9  10  11  12
df.columns = df.columns.swaplevel(0,1)

for i, g in df.groupby(level=0, axis=1):
    print (g)
   a    
   A   B
0  1   4
1  7  10
   b    
   A   B
0  2   5
1  8  11
   c    
   A   B
0  3   6
1  9  12

Answer 2

你想使用xs

df.xs('Mean_CArea', axis=1, level=1)

和

df.xs('Mean_CPressure', axis=1, level=1)

和

df.xs('Mean_Force', axis=1, level=1)