Question

我有一个大型的excel文件，其中包含数千行和大约100列。问题在于索引列包含大约50个度量标准（销售，房屋，人）和70个公司。我真正想要的是有两个索引，一个用于度量标准，一个用于公司。以下面的代码为例：

import pandas as pd
import numpy as np
idx=['Sales','Company 1', 'Company 2', 'Company 3','Houses','Company 1',     
'Company 2', 'Company 3','People','Company 1', 'Company 2', 'Company 3']
dt=['2010','2011','2012','2013']
data = np.array([np.arange(12)]*4).T
df = pd.DataFrame(data, index=idx, columns=dt)
df.iloc[4,::]=0;df.iloc[8,::]=0 
df

结果看起来像附件中的图像 the documentation they've provided

我的问题是我将如何操作数据框，以便第一个索引将是Sales，Sales，Sales ....，而第二个索引将是每个指标（销售，房屋等）的Company 1，Company 2，Company 3。）？

Answer 1

设置

c = 3 # number of companies
metrics = df.index[::c+1]
companies = df.index[1:c+1]

此答案仅采用指标，找到公司，创建MultiIndex并重新分配。该假设基于以下假设：公司在每个指标之间的顺序相同：

idx = pd.MultiIndex.from_product([metrics, companies])
df.drop(df.index[::c+1]).set_index(idx)

                  2010  2011  2012  2013
Sales  Company 1     1     1     1     1
       Company 2     2     2     2     2
       Company 3     3     3     3     3
Houses Company 1     5     5     5     5
       Company 2     6     6     6     6
       Company 3     7     7     7     7
People Company 1     9     9     9     9
       Company 2    10    10    10    10
       Company 3    11    11    11    11

如果您不能保证此约束，它将变得有些棘手：

u = pd.Series(df.index)
idx = u.groupby(u.index // (c + 1)).transform('first') + '|' + u
f = df.drop(df.index[::c+1])
f[['metric', 'company']] = (idx.drop(idx.index[::c+1])
                               .str.split('|', expand=True).set_index(f.index))    
f.set_index(['metric', 'company'])

                  2010  2011  2012  2013
metric company
Sales  Company 1     1     1     1     1
       Company 2     2     2     2     2
       Company 3     3     3     3     3
Houses Company 1     5     5     5     5
       Company 2     6     6     6     6
       Company 3     7     7     7     7
People Company 1     9     9     9     9
       Company 2    10    10    10    10
       Company 3    11    11    11    11

如何将索引按如下方式拆分为多索引？

1 个答案: