Pandas Dataframe MultiIndex将多索引的一个级别转换为另一个轴，同时将另一个级别保持在原始轴上

Question

我在行索引器中有一个带有Dataframe的Pandas MultiIndex，如下所示：

ES standard

此数据框是groupby操作的结果，然后从3级MultiIndex切片。我希望＆＃39; date＆＃39;要保留行索引器，但要移动＆＃39; SlabType＆＃39;行索引器的级别为列索引器，其中不可用的值为NaN。

这就是我想要达到的目的：

我需要执行哪些操作才能实现此目的？此外，如果问题的标题可以改进，请提出建议。

Answer 1

将unstack与选择列SlabLT一起使用：

print (df['SlabLT'].unstack())

但是如果可能的话MultiIndex中的重复是必要的聚合列，例如。 mean：

print (df.groupby(level=[0,1])['SlabLT'].mean().unstack())

<强>示例：

df = pd.DataFrame({'date':['2017-10-01','2017-10-08','2017-10-08','2017-10-15', '2017-10-15'],
                   'SlabType':['UOM2','AMOUNT','UOM2','AMOUNT','AMOUNT'],
                   'SlabLT':[1,6000,1,6000,5000]}).set_index(['date','SlabType'])

print (df)
                     SlabLT
date       SlabType        
2017-10-01 UOM2           1
2017-10-08 AMOUNT      6000
           UOM2           1
2017-10-15 AMOUNT      6000 <-duplicated MultiIndex '2017-10-15', 'AMOUNT'
           AMOUNT      5000 <-duplicated MultiIndex '2017-10-15', 'AMOUNT'

print (df['SlabLT'].unstack())

  

ValueError：索引包含重复的条目，无法重塑

print (df.groupby(level=[0,1])['SlabLT'].mean())
date        SlabType
2017-10-01  UOM2           1
2017-10-08  AMOUNT      6000
            UOM2           1
2017-10-15  AMOUNT      5500
Name: SlabLT, dtype: int64

print (df.groupby(level=[0,1])['SlabLT'].mean().unstack())
SlabType    AMOUNT  UOM2
date                    
2017-10-01     NaN   1.0
2017-10-08  6000.0   1.0
2017-10-15  5500.0   NaN

Answer 2

由于某些条目的值为NaN，因此您可能需要考虑pivot table以避免重复条目＆＃34;取消堆栈其中一个索引时的ValueError。

假设您有df DataFrame，其列'SlabLT'的索引为date和SlabType，请尝试：

df.reset_index().pivot_table(values = 'SlabLT', index = 'date', columns = 'SlabLT')