如何在 pandas MultiIndex DataFrame 中加入列值？

Question

如何在 MultiIndex pandas DataFrame 中连接同名列中的值？

data = [['1','1','2','3','4'],['2','5','6','7','8']]
df = pd.DataFrame(data, columns=['id','A','B','A','B'])
df = df.set_index('id')
df.columns = pd.MultiIndex.from_tuples([('result','A'),('result','B'),('student','A'),('student','B')])

df
   result    student   
        A  B       A  B
id                     
1       1  2       3  4
2       5  6       7  8

期望的结果：

        A       B
id                     
1       "1 3"   "2 4"
2       "5 7"   "6 8"

Answer 1

新答案：

对于列中第二级MultiIndex 的连接值，请使用groupby 和agg：

#select columns define in list
df = df[['result','student']]
df1 = df.astype(str).groupby(level=1, axis=1).agg(' '.join)
print (df1)
      A    B
id          
1   1 3  2 4
2   5 7  6 8

旧答案：

您可以使用sort_index 对列进行排序，然后使用droplevel 删除MultiIndex 的第一级。

但是得到重复的列名。

print (df)
   result    student    col   
        A  B       A  B   A  B
id                            
1       1  2       3  4   6  7
2       5  6       7  8   2  1

#select columns define in list
df = df[['result','student']]
print (df)
   result    student   
        A  B       A  B
id                     
1       1  2       3  4
2       5  6       7  8

df = df.sort_index(axis=1, level=1)
df.columns = df.columns.droplevel(0)
print (df)
    A  A  B  B
id            
1   1  3  2  4
2   5  7  6  8

这样更好，唯一的列名可以由map 和join 创建：

df = df.sort_index(axis=1, level=1)
df.columns = df.columns.map('_'.join)
print (df)
    result_A  student_A  result_B  student_B
id                                          
1          1          3         2          4
2          5          7         6          8

---

df = pd.concat([df['result'],df['student']], axis=1).sort_index(axis=1)
print (df)
    A  A  B  B
id            
1   1  3  2  4
2   5  7  6  8

Answer 2

我不完全确定你在问什么。如果您有两个单独的数据框，那么您应该可以只使用pd.concat。

pd.concat([df1, df2], axis=1)

如果您有一个数据框，则只需删除索引的顶层即可。

df.columns = df.columns.droplevel(0)