Question

以下情况目前在我当前的工作中经常出现。我有一个带有product-MultiIndex的熊猫DataFrame，如下所示：

cols = pd.MultiIndex.from_product([['foo1', 'foo2'], ['bar1', 'bar2']], names=['foo', 'bar'])
df = pd.DataFrame(np.arange(5*4).reshape(5, 4), index=range(5), columns=cols)
df

foo foo1      foo2     
bar bar1 bar2 bar1 bar2
0      0    1    2    3
1      4    5    6    7
2      8    9   10   11
3     12   13   14   15
4     16   17   18   19

现在，我想交换DataFrame的列级别，所以我尝试了此操作：

df.reorder_levels(['bar', 'foo'], axis=1)

bar bar1 bar2 bar1 bar2
foo foo1 foo1 foo2 foo2
0      0    1    2    3
1      4    5    6    7
2      8    9   10   11
3     12   13   14   15
4     16   17   18   19

但这不是我想要的。我想根据这个很好的规范产品排序来更改列的顺序。我当前的解决方法如下：

cols_swapped = pd.MultiIndex.from_product([['bar1', 'bar2'], ['foo1', 'foo2']], names=['bar', 'foo'])
df.reorder_levels(cols_swapped.names, axis=1).loc[:, cols_swapped])

bar bar1      bar2     
foo foo1 foo2 foo1 foo2
0      0    2    1    3
1      4    6    5    7
2      8   10    9   11
3     12   14   13   15
4     16   18   17   19

这可以，但是效果不是很好，例如因为它更加令人困惑，因此必须创建一个新的MultiIndex。我经常遇到这种情况，就是我为所有列计算了一个新功能。但是在将concat赋予我的df之后，它想将相应的新关卡“分类”到一个新位置。假设新功能位于第0级，那么解决方法如下：

new_order = [1, 2, 0, 3, 4]
cols_swapped = pd.MultiIndex.from_product(
    [df.columns.levels[i] for i in new_order],
    names = [df.columns.names[i] for i in new_order]
)
df_swap = df.reorder_levels(cols_swapped.names, axis=1).loc[:, cols_swapped]

这还真不错。

熊猫支持吗？如果是的话，哪种方法更优雅？

Answer 1

我认为需要swaplevel和sort_index：

df = df.swaplevel(0,1, axis=1).sort_index(axis=1)
print (df)
bar bar1      bar2     
foo foo1 foo2 foo1 foo2
0      0    2    1    3
1      4    6    5    7
2      8   10    9   11
3     12   14   13   15
4     16   18   17   19

在熊猫from_product-MultiIndex DataFrame中重新排序级别以及值？

1 个答案: