Pandas: Eine Ebene aus einem mehrstufigen Spaltenindex löschen?

Wenn ich einen mehrstufigen Spaltenindex habe:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> pd.DataFrame([[1,2], [3,4]], columns=cols)

    ein
   --- + -
    b | c
- + --- + -
0 | 1 | 2
1 | 3 | 4

Wie kann ich die "a" -Ebene dieses Index löschen, sodass ich am Ende Folgendes habe:

    b | c
- + --- + -
0 | 1 | 2
1 | 3 | 4

Sie können verwenden MultiIndex.droplevel:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> df = pd.DataFrame([[1,2], [3,4]], columns=cols)
>>> df
   a   
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]
>>> df.columns = df.columns.droplevel()
>>> df
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]

Eine andere Möglichkeit, den Index zu löschen, besteht darin, ein Listenverständnis zu verwenden:

df.columns = [col[1] for col in df.columns]

   b  c
0  1  2
1  3  4

Diese Strategie ist auch nützlich, wenn Sie die Namen beider Ebenen wie im folgenden Beispiel kombinieren möchten, in dem die unterste Ebene zwei Ys enthält:

cols = pd.MultiIndex.from_tuples([("A", "x"), ("A", "y"), ("B", "y")])
df = pd.DataFrame([[1,2, 8 ], [3,4, 9]], columns=cols)

   A     B
   x  y  y
0  1  2  8
1  3  4  9

Wenn Sie die oberste Ebene löschen, bleiben zwei Spalten mit dem Index 'y' übrig. Dies kann vermieden werden, indem die Namen mit dem Listenverständnis verbunden werden.

df.columns = ['_'.join(col) for col in df.columns]

    A_x A_y B_y
0   1   2   8
1   3   4   9

Das ist ein Problem, das ich hatte, nachdem ich einen Groupby gemacht hatte, und es dauerte eine Weile, bis ich diese andere Frage gefunden hatte , die es löste. Ich habe diese Lösung hier an den speziellen Fall angepasst.

Eine andere Möglichkeit, dies zu tun, besteht darin, dfbasierend auf einem Querschnitt von dfmit der .xs- Methode eine Neuzuweisung vorzunehmen .

>>> df

    a
    b   c
0   1   2
1   3   4

>>> df = df.xs('a', axis=1, drop_level=True)

    # 'a' : key on which to get cross section
    # axis=1 : get cross section of column
    # drop_level=True : returns cross section without the multilevel index

>>> df

    b   c
0   1   2
1   3   4

Ab Pandas 0.24.0 können wir jetzt DataFrame.droplevel () verwenden :

cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
df = pd.DataFrame([[1,2], [3,4]], columns=cols)

df.droplevel(0, axis=1) 

#   b  c
#0  1  2
#1  3  4

Dies ist sehr nützlich, wenn Sie Ihre DataFrame-Methodenkette am Laufen halten möchten.

Sie können dies auch erreichen, indem Sie die Spalten umbenennen:

df.columns = ['a', 'b']

Dies beinhaltet einen manuellen Schritt, kann jedoch eine Option sein, insbesondere wenn Sie Ihren Datenrahmen eventuell umbenennen würden.

Ein kleiner Trick sum mit Level = 1 (Arbeit, wenn Level = 1 eindeutig ist)

df.sum(level=1,axis=1)
Out[202]: 
   b  c
0  1  2
1  3  4

Häufigere Lösung get_level_values

df.columns=df.columns.get_level_values(1)
df
Out[206]: 
   b  c
0  1  2
1  3  4

Ich habe mit diesem Problem zu kämpfen, da ich nicht weiß, warum meine droplevel () -Funktion nicht funktioniert. Arbeiten Sie mehrere durch und lernen Sie, dass 'a' in Ihrer Tabelle der Spaltenname und 'b', 'c' der Index ist. Tun Sie dies wird helfen

df.columns.name = None
df.reset_index() #make index become label