根据另一列的名称重命名Pandas Multiindex

Question

我有一个以无法更改的格式生成的CSV文件。该文件在两行上有一个multiindex：标题。当值没有改变时，第一行（更高级别的索引）有空白。

我的标题是什么样的：

它实际上归结为什么以及我想要什么：

我希望能够在Python 2.7中使用Pandas正确处理它。

我导致循环索引的第一级，如果值为空，则将其设置为与左侧的相同。

我首先在pandas中加载数据框：

df = pd.read_csv(myFile, header=[0,1], sep=',')
df

我尝试了以下内容：

for i, val in enumerate(df.columns.values):
    if val[0][:7] == 'Unnamed':
        l.append([l[i-1][0], val[1]])
    else:
        l.append(val)

我得到的列表“l”似乎是我想要的：

[('Foo', 'A'),
 ['Foo', 'B'],
 ['Foo', 'C'],
 ('Bar', 'A'),
 ['Bar', 'B'],
 ['Bar', 'C']]

我试过了两个：

df.columns = l 

生成非多索引数据框

index = pd.MultiIndex.from_tuples(l)
df.reindex(columns = index)

这个给了我正确的索引，但是值消失了。

我有一种强烈的直觉，我正在尝试的整个方法不是非常pythonic，也没有意义使用列表然后转换为字典。知道如何才能正确地进行多索引吗？

Answer 1

不使用reindex，而是直接将列设置为新索引：

df.columns = pd.MultiIndex.from_tuples(l)

这应该产生预期的结果。

reindex并不只是替换索引值（虽然这听起来像它应该做的，文档并不是特别清楚）。相反，它会遍历您的新索引，选择与新索引匹配的行或列，并将NaN放在没有旧索引与新索引匹配的位置。这就是您发生的事情：当reindex点击['Foo', 'B']时，原始数据框中不存在NaN，它会使用{{填充新数据框中的列1}}。

如果您的列始终遵循一致的模式（例如，每三个二级列一个顶级列），您还可以使用MultiIndex.from_product来创建列索引：

iterables = [["Foo", "Bar"], ["A", "B", "C"]]
index = pd.MultiIndex.from_product(iterables)