Pandas：从多级列索引中删除一个级别？

相关文章推荐

无聊的日记本 · C# Static的用法详解 - 龙骑科技 ...· 1 年前 ·

乖乖的红薯 · 魔兽世界：正式服牛头人新剧情，这牛头人真是忘 ...· 1 年前 ·

没有腹肌的墨镜 · HttpUrlConnection访问重定向 ...· 1 年前 ·

旅途中的牛腩 · OSS文件上传报403_oss 403 ...· 1 年前 ·

玩命的松树 · Linux 系统目录结构 | 菜鸟教程· 1 年前 ·

1 | 3 | 4

2 个评论

Soren ：

如果有一个DataFrame方法，对索引和列都能做到这一点，那就太好了。无论是删除还是选择索引级别。

irene ：

@Sören Check out stackoverflow.com/a/56080234/3198568 .


        droplevel

的工作可以通过参数


        axis

对多级索引或列进行工作。

python

pandas

David Wolever

发布于 2014-03-07

7 个回答

DSM

发布于 2018-02-18

已采纳

0 人赞同

你可以使用 MultiIndex.droplevel :

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


         
          最好是明确地说明哪个级别被放弃。级别是以0为索引的，从顶部开始。【替换代码0


         
          如果你要删除的索引在左边（行）而不是上面（列），你可以把 "列 "改为 "索引"，并使用同样的方法。【替换代码0


         
          在熊猫0.23.4版本中，
          
           df.columns.droplevel()
          
          已不再可用。


         
          Matt Harrison
         
         ：


         
          @yoonghm 它是存在的，你可能只是在没有多索引的列上调用它。


         
          我有三个层次的深度，想只降到中间的层次。我发现先降最低的（第2层），再降最高的（第0层），效果最好。【替换代码0


       0
       
       人赞同


        
         截止到熊猫
         
          0.24.0
         
         ，我们现在可以用
         
          数据框.droplevel()
         
         :
        
        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
如果你想保持你的DataFrame方法链的滚动，这非常有用。


         
          
           这是 "最纯粹的 "解决方案，因为它返回一个新的DataFrame，而不是让它 "就地 "修改。


         
          
           替换代码0】更明确，更容易理解


         
          
           我将永远来到这里，因为我总是忘记设置
           
            axis=1
           
           。


         
          
           这是正确的答案


        
         
          另一种放弃索引的方法是使用列表理解。
         
         df.columns = [col[1] for col in df.columns]
0  1  2
1  3  4
如果你想把两层的名字结合起来，这个策略也很有用，比如下面的例子中，底层包含两个 "Y"。
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
去掉顶层会留下两列索引为'y'的列。这可以通过用列表理解法连接名字来避免。
df.columns = ['_'.join(col) for col in df.columns]
    A_x A_y B_y
0   1   2   8
1   3   4   9
这是我在做完分组后遇到的一个问题，花了好长时间才找到。this other question这就解决了问题。我把这个解决方案改编为这里的具体案例。


         
          
           
            
             
              Eric O Lebigot
             
             ：


         
          
           
            
             
              
               [col[1] for col in df.columns]
              
              is more directly
              
               df.columns.get_level_values(1)
              
              .


         
          
           
            
             
              有一个类似的需求，其中一些列有空的水平值。使用了以下方法。【替换代码0


        
         
          
           
            
             另一种方法是根据
             
              df
             
             的横截面来重新分配
             
              df
             
             ，使用
             
              .xs
             
             method.
            
            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
    b   c
0   1   2
1   3   4


         
          
           
            
             
              这只有在整个列级有一个单一标签的情况下才有效。


         
          
           
            
             
              当你想放弃第二层时，不工作。


         
          
           
            
             
              Tiffany G. Wilson
             
             ：


         
          
           
            
             
              如果你想对同一层次进行切割和放弃，这是一个不错的解决方案。如果你想在第二层（比如说
              
               b
              
              ）上进行分割，然后放弃该层，只留下第一层（
              
               a
              
              ），下面的方法就可以了。【替换代码2


        
         
          
           
            
             你也可以通过重命名这些列来实现这一点。
            
            
             
              df.columns = ['a', 'b']
             
            
            
             这涉及到一个手动步骤，但可能是一个选择，特别是如果你最终会重命名你的数据框架。


         
          
           
            
             
              Eric O Lebigot
             
             ：


         
          
           
            
             
              这基本上就是Mint的第一个答案所做的。现在，也不需要指定名字的清单（一般来说这很繁琐），因为它是由
              
               df.columns.get_level_values(1)
              
              给你的。


        
         
          
           
            
             一个使用
             
              sum
             
             的小技巧，级别=1（当级别=1时工作都是唯一的）。
            
            df.sum(level=1,axis=1)
Out[202]: 
0  1  2
1  3  4