我有以下类似的multiIndex：
df=pd.DataFrame({"A":[1,1,1,1, 1],
"B":[2,2,2,2,2],
"C":[2,2,2,2,2],
"D":[1,1,1,1,1]}).T
df1=pd.DataFrame({"A":[1,1,1,1,1,1,1,1],
"B":[2,2,2,2,2,2,2,2,],
"C":[1,1,1,1,1,1,1,1,],
"D":[2,2,2,2,2,2,2,2,]}).T
df= pd.concat([df, df1], axis=1)
col0 = pd.Series(['Set 1','Set 1','Set 1','Set 1','Set 1','Set 2' ,'Set 2' ,'Set 2' ,'Set 2' ,'Set 2' ,'Set 2' ,'Set 2' ,'Set 2'])
col1 = df.columns
arrays = [col0, col1]
df.columns = arrays
有输出：
Set 1 Set 2
0 1 2 3 4 0 1 2 3 4 5 6 7
A 1 1 1 1 1 1 1 1 1 1 1 1 1
B 2 2 2 2 2 2 2 2 2 2 2 2 2
C 2 2 2 2 2 1 1 1 1 1 1 1 1
D 1 1 1 1 1 2 2 2 2 2 2 2 2
但是我想将此矩阵转换为具有以下所需输出的矩阵：
Set 1 Set 2
0 1 2 3 4 0 1 2 3 4 5 6 7
A 1 2 2 1 1 1 2 2 1 1 2 2 1
B 2 1 1 2 2 2 1 1 2 2 1 1 2
C 2 1 1 2 2 1 2 2 1 1 2 2 1
D 1 2 2 1 1 2 1 1 2 2 1 1 2
说明： 我基本上只想在每个multiIndex'Set＃'中保留第一列的值。第一列之后的值应基于第一值中的值交替显示。这些值每两列在1和2之间交替。
有什么用！
答案 0 :(得分：1)
这是一种方法。首先，我从您的数据开始（刚刚转置）：
from itertools import cycle
import pandas as pd
# df created as per original post, then transposed (not shown to save space)
print(df.transpose())
Set 1 Set 2
0 1 2 3 4 0 1 2 3 4 5 6 7
A 1 1 1 1 1 1 1 1 1 1 1 1 1
B 2 2 2 2 2 2 2 2 2 2 2 2 2
C 2 2 2 2 2 1 1 1 1 1 1 1 1
D 1 1 1 1 1 2 2 2 2 2 2 2 2
第二，我创建了一个函数，该函数获取集合中的第一个分数，然后具有交替的对（例如1 2 2 1 1 2 2 1 1 ...）。该函数生成一个熊猫系列。
def func(s):
assert isinstance(s, pd.Series)
assert s[0] in {1, 2}
if s[0] == 1: serves = [2, 2, 1, 1]
else: serves = [1, 1, 2, 2]
indicators = [s[0]] + [
c for _, c in zip(range(1, s.size), cycle(serves))
]
return pd.Series(data=indicators, index=s.index, name=s.name)
第三，我按索引的第一级（Set 1，Set 2，...）对数据帧进行分组，然后将该功能应用于每个组。
grouped = df.groupby( df.index.get_level_values(0) )
for idx in grouped.groups.values():
df.loc[idx] = df.loc[idx].apply(lambda x: func(x))
print(df.transpose())
Set 1 Set 2
0 1 2 3 4 0 1 2 3 4 5 6 7
A 1 2 2 1 1 1 2 2 1 1 2 2 1
B 2 1 1 2 2 2 1 1 2 2 1 1 2
C 2 1 1 2 2 1 2 2 1 1 2 2 1
D 1 2 2 1 1 2 1 1 2 2 1 1 2
答案 1 :(得分：1)
您可以使用您要修改的列的值是1和2的事实，将第二级列的模数乘以4。然后您可以使用let h;
function f() {
function g() { console.log(x); }
h = function () { x = 27; }
let x = 0;
g(); // prints 0
x = 1;
g(); // prints 1
x = 3;
return g;
}
let x = 4;
let g = f();
g(); // prints 3
h();
g(); // prints 27
两次替换这些列，并且其中df等于到1或2。
mask仅当列0中的值与每组列中的其余行相同时，此方法才能按预期工作。否则，您需要为此更改m1和m2
mCol = np.isin(df.columns.get_level_values(1)%4, [1,2])
m1 = df.eq(1)
m2 = df.eq(2)
res_ = (df.mask(mCol&m1, 2)
.mask(mCol&m2, 1))
print(res_)
Set 1 Set 2
0 1 2 3 4 0 1 2 3 4 5 6 7
A 1 2 2 1 1 1 2 2 1 1 2 2 1
B 2 1 1 2 2 2 1 1 2 2 1 1 2
C 2 1 1 2 2 1 2 2 1 1 2 2 1
D 1 2 2 1 1 2 1 1 2 2 1 1 2
答案 2 :(得分：1)
如果我正确理解了您的问题和数据集，那么您想翻转第二级位于此数学序列公式4 * n + 1和4 * n + 2中从n = 0开始的列的值。因此，只需构建此序列并使用query对其进行切片以翻转值并向后更新就可以了。
构建序列
import numpy as np
n = df.columns.max()[1]
m = (np.arange(n) * 4 + 1)
a = m.tolist() + (m + 1).tolist()
翻转所有列，transpose与query一起使用ilevel_1以选择要更新的指定列。最后，transpose返回并update。
df.update((3 - df).T.query('ilevel_1 in @a').T)
print(df)
或者transpose，query，翻转值，transpose返回和update
df.update((3 - df.T.query('ilevel_1 in @a')).T)
print(df)
Out[357]:
Set 1 Set 2
0 1 2 3 4 0 1 2 3 4 5 6 7
A 1 2 2 1 1 1 2 2 1 1 2 2 1
B 2 1 1 2 2 2 1 1 2 2 1 1 2
C 2 1 1 2 2 1 2 2 1 1 2 2 1
D 1 2 2 1 1 2 1 1 2 2 1 1 2
如果您不想transpose和query，则可以使用IndexSlice，loc
ix = pd.IndexSice
df.update(3 - df.loc[:,ix[:, a]])
Out[399]:
Set 1 Set 2
0 1 2 3 4 0 1 2 3 4 5 6 7
A 1 2 2 1 1 1 2 2 1 1 2 2 1
B 2 1 1 2 2 2 1 1 2 2 1 1 2
C 2 1 1 2 2 1 2 2 1 1 2 2 1
D 1 2 2 1 1 2 1 1 2 2 1 1 2