将列分配给层次结构更高的 Multiindex 级别

Question

我有一个看起来有点像这样的数据框：

   Ax  Ay  Bx  By
0   1  20   2  20
1   3  21   5  22
2   4  20   7  25

并且我想手动定义 Ax 和 Ay 具有 A 的层次结构更高的 MultiIndex 级别（并且对 B 也执行相同的操作）。这样数据框看起来像这样：

   A      B
   x   y  x   y
0  1  20  2  20
1  3  21  5  22
2  4  20  7  25

所以我要找的是这样的声明：

Ax 和 Ay 作为 x 和 y 在 A 下

Answer 1

通过 split() 和 droplevel():

df.columns=df.columns.str.split('([A-Z])',expand=True).droplevel(0)

或

通过pd.MultiIndex.from_arrays()：

df.columns=pd.MultiIndex.from_arrays([['A','A','B','B'],['x','y','x','y']])

df 的输出：

   A      B
   x   y  x   y
0  1  20  2  20
1  3  21  5  22
2  4  20  7  25

Answer 2

您可以使用多个构造函数之一手动构造 pandas.MultiIndex。来自文档：

MultiIndex.from_arrays
将数组列表转换为 MultiIndex。
MultiIndex.from_product
从可迭代对象的笛卡尔积创建一个 MultiIndex。
MultiIndex.from_tuples
将元组列表转换为 MultiIndex。
MultiIndex.from_frame
从 DataFrame 创建一个 MultiIndex。

所有这些都很有用，我会逐一检查它们以了解它们的用例。对于你的情况，我认为 pd.MultiIndex.from_tuples 可能会成功：

In [4]: list_of_split_tuples = list(map(tuple, df.columns.values))

In [5]: df.columns = pd.MultiIndex.from_tuples(list_of_split_tuples)

In [6]: df
Out[6]:
   A      B
   x   y  x   y
0  1  20  2  20
1  3  21  5  22
2  4  20  7  25

Answer 3

让我们使用正则表达式和 split 以及 expand=True 参数：

df.columns = df.columns.str.split('(?<=[A-Z])', expand=True)

输出：

   A      B    
   x   y  x   y
0  1  20  2  20
1  3  21  5  22
2  4  20  7  25

将列分配给层次结构更高的 Multiindex 级别

Assigning columns to a hierarchical higher Multiindex level

python

multi-index

dataframe

pandas