仅在一列中重命名 multiindex headers

Question

我正在尝试更改多索引数据帧的子列 headers。诀窍是我只是想更改其中一个超列下的 header。见下文

给定：

df = pd.DataFrame([[1,2,3,4], [10,20,30,40], [100,200,300,400]])
df.columns = pd.MultiIndex.from_tuples((("a", "b"), ("a", "c"), ("d", "b"), ("d", "c")))

我想将 header b 列更改为 j 但仅在 a 列下；我希望 d 列下的 header 保持不变。

如果我想要更改所有列 b，我将执行以下操作

df.rename(columns={'b': 'j'}, level=1)

如何指定要更改子栏标题的超级栏？

Answer 1

我觉得这样可以吗？

import pandas as pd

df = pd.DataFrame([[1,2,3,4], [10,20,30,40], [100,200,300,400]])
df.columns = pd.MultiIndex.from_tuples((("a", "b"), ("a", "c"), ("d", "b"), ("d", "c")))
print(df)
     a         d     
     b    c    b    c
0    1    2    3    4
1   10   20   30   40
2  100  200  300  400

现在重命名列：

df.columns = pd.MultiIndex.from_tuples((("a", "j"), ("a", "c"), ("d", "b"), ("d", "c")))
print(df)
     a         d     
     j    c    b    c
0    1    2    3    4
1   10   20   30   40
2  100  200  300  400

Answer 2

你可以试试这个：（不太好但有效）

df.columns = pd.MultiIndex.from_tuples([(x,'j') if (x=='a' and y=='b') else (x,y) for x,y in df.columns])

Answer 3

您可以 map 遍历列名并检查索引是否为 ('a', 'b')，如果匹配，则将 b 替换为 j：

df.columns = df.columns.map(lambda x: ('a', 'j') if x == ('a', 'b') else x)

df    
#     a         d     
#     j    c    b    c
#0    1    2    3    4
#1   10   20   30   40
#2  100  200  300  400

仅在一列中重命名 multiindex headers

Rename multiindex headers in one column only

python

multi-index

pandas