我正在尝试找到一种简单的方法来将平列索引重命名为分层的multindex列集。我碰到了一种方法,但是似乎有点糊涂-在Pandas中还有更好的方法吗?
#!/usr/bin/env python
import pandas as pd
import numpy as np
flat_df = pd.DataFrame(np.random.randint(0,100,size=(4, 4)), columns=list('ACBD'))
print flat_df
# A C B D
# 0 27 67 35 36
# 1 80 42 93 20
# 2 64 9 18 83
# 3 85 69 60 84
nested_columns = {'A': ('One', 'a'),
'C': ('One', 'c'),
'B': ('Two', 'b'),
'D': ('Two', 'd'),
}
tuples = sorted(nested_columns.values(), key=lambda x: x[1]) # Sort by second value
nested_df = flat_df.sort_index(axis=1) # Sort dataframe by column name
nested_df.columns = pd.MultiIndex.from_tuples(tuples)
nested_df = nested_df.sort_index(level=0, axis=1) # Sort to group first level
print nested_df
# One Two
# a c b d
# 0 27 67 35 36
# 1 80 42 93 20
# 2 64 9 18 83
# 3 85 69 60 84
对层次结构列规范和数据框进行排序并假定它们会对齐似乎有点脆弱。同时进行三遍排序似乎很可笑。我更喜欢的替代方法是类似nested_df = flat_df.rename(columns=nested_columns)
,但似乎rename
不能从平列索引转换为多索引列。我想念什么吗?
编辑:意识到如果按第二个值排序的元组的排序方式与平列名称的排序方式不同,则此方法会中断。 绝对错误的方法。
Edit2: 回应@wen的回答:
nested_df = flat_df.rename(columns=nested_columns)
print nested_df
# (One, a) (One, c) (Two, b) (Two, d)
# 0 18 0 51 48
# 1 69 68 78 24
# 2 2 20 99 46
# 3 1 80 11 11
Edit3:
基于@ScottBoston的答案,这是一个有效的解决方案,该解决方案解决了嵌套列中未提及的扁平列:
#!/usr/bin/env python
import pandas as pd
import numpy as np
flat_df = pd.DataFrame(np.random.randint(0,100,size=(4, 5)), columns=list('ACBDE'))
print flat_df
# A C B D E
# 0 27 68 4 98 16
# 1 0 9 9 72 68
# 2 91 17 19 54 99
# 3 14 96 54 79 28
nested_columns = {'A': ('One', 'e'),
'C': ('One', 'h'),
'B': ('Two', 'f'),
'D': ('Two', 'g'),
}
nested_df = flat_df.rename(columns=nested_columns)
nested_df.columns = [c if isinstance(c, tuple) else ('', c) for c in nested_df.columns]
nested_df.columns = pd.MultiIndex.from_tuples(nested_df.columns)
print nested_df
# One Two
# e h f g E
# 0 27 68 4 98 16
# 1 0 9 9 72 68
# 2 91 17 19 54 99
# 3 14 96 54 79 28
答案 0 :(得分:1)
IIUC,rename
flat_df.rename(columns=nested_columns)
Out[224]:
One Two
a c b d
0 36 19 53 46
1 17 85 63 36
2 40 80 75 86
3 31 83 75 16
已更新
flat_df.columns.map(nested_columns.get)
Out[15]:
MultiIndex(levels=[['One', 'Two'], ['a', 'b', 'c', 'd']],
labels=[[0, 0, 1, 1], [0, 2, 1, 3]])
答案 1 :(得分:1)
您可以尝试:
df.columns = pd.MultiIndex.from_tuples(df.rename(columns = nested_columns).columns)
df
输出:
One Two
a c b d
0 27 67 35 36
1 80 42 93 20
2 64 9 18 83
3 85 69 60 84