Question

我有一些数据，我从“长”到“宽”。使用unstack来扩展数据我没有问题，但最终我看起来像一个我无法摆脱的索引。这是一个虚拟的例子：

## set up some dummy data
import pandas as pd
d = {'state'  : ['a','b','a','b','a','b','a','b'],
     'year' : [1,1,1,1,2,2,2,2],
     'description'  : ['thing1','thing1','thing1','thing2','thing2','thing2','thing1','thing2'],
     'value' : [1., 2., 3., 4.,1., 2., 3., 4.]}
df = pd.DataFrame(d)
## now that we have dummy data do the long to wide conversion

dfGrouped = df.groupby(['state','year', 'description']).value.sum() 

dfUnstacked = dfGrouped.unstack('description')
print dfUnstacked


description  thing1  thing2
state year                 
a     1           4     NaN
      2           3       1
b     1           2       4
      2         NaN       6

所以这看起来像我期望的那样。现在我想要一个带有列'state'，'year'，'thing1'，'thing2'的无索引数据框。所以我似乎应该这样做：

dfUnstackedNoIndex = dfUnstacked.reset_index()
print dfUnstackedNoIndex

description state  year  thing1  thing2
0               a     1       4     NaN
1               a     2       3       1
2               b     1       2       4
3               b     2     NaN       6

好的，那很接近。但我不希望描述继续下去。所以我们只选择我想要的列：

print dfUnstackedNoIndex[['state','year','thing1','thing2']]

description state  year  thing1  thing2
0               a     1       4     NaN
1               a     2       3       1
2               b     1       2       4
3               b     2     NaN       6

那么'描述'是什么？为什么即使重置索引并只选择了几列，它也会挂出？显然，我没有正确的事情。

FWIW，我的Pandas版本是0.12

Answer 1

description是列的名称。你可以这样摆脱：

In [74]: dfUnstackedNoIndex.columns.name = None

In [75]: dfUnstackedNoIndex
Out[75]: 
  state  year  thing1  thing2
0     a     1       4     NaN
1     a     2       3       1
2     b     1       2       4
3     b     2     NaN       6

当您查看两次取消堆栈时会发生什么时，列名的用途可能会变得更清晰：

In [107]: dfUnstacked2 = dfUnstacked.unstack('state')
In [108]: dfUnstacked2
Out[108]: 
description  thing1      thing2   
state             a   b       a  b
year                              
1                 4   2     NaN  4
2                 3 NaN       1  6

现在dfUnstacked2.columns是MultiIndex。每个level都有一个name，它对应于已转换为列级别的索引级别的名称。

In [111]: dfUnstacked2.columns
Out[111]: 
MultiIndex(levels=[[u'thing1', u'thing2'], [u'a', u'b']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
           names=[u'description', u'state'])

列名称和索引名称显示在DataFrames的字符串表示形式的相同位置，因此很难知道哪个是哪个。您可以通过检查df.index.names和df.columns.names来解决这个问题。

使用Pandas取消堆栈数据

1 个答案: