仅对 Pandas 中的某些列进行多索引

Question

我有一个以我无法更改的格式生成的 csv。该文件具有多索引。该文件看起来像这样。

最终目标是将最上面的行（小时）变成索引，并用"ID"列索引，这样数据看起来像这样。

我已将文件导入 pandas...

myfile = 'c:/temp/myfile.csv'
df = pd.read_csv(myfile, header=[0, 1], tupleize_cols=True)
pd.set_option('display.multi_sparse', False)
df.columns = pd.MultiIndex.from_tuples(df.columns, names=['hour', 'field'])
df

但这给了我三个未命名的字段：

我的最后一步是按小时堆叠：

df.stack(level=['hour'])

但我错过了之前的内容，我可以在其中索引其他列，即使它们上方有一个空白的多索引行。

Answer 1

我相信您遗漏的行可能是 # 3 和 4:

df = pd.io.parsers.read_csv('temp.csv', header = [0,1], tupleize_cols = True)
df.columns = [c for _, c in df.columns[:3]] + [c for c in df.columns[3:]]
df = df.set_index(list(df.columns[:3]), append = True)
df.columns = pd.MultiIndex.from_tuples(df.columns, names = ['hour', 'field'])

通过删除前 3 列的第一个值将元组转换为字符串。 headers.
通过将它们放在索引中来保护这些 headers。

执行stack后，您可以根据需要重新设置索引。

例如

之前

  (Unnamed: 0_level_0, Date)  (Unnamed: 1_level_0, id)  \
0                  3/11/2016                         5   
1                  3/11/2016                         6   

  (Unnamed: 2_level_0, zone)  (100, p1)  (100, p2)  (200, p1)  (200, p2)  
0                        abc      0.678      0.787      0.337      0.979  
1                        abc      0.953      0.559      0.776      0.520

之后

field                        p1     p2
  Date      id zone hour              
0 3/11/2016 5  abc  100   0.678  0.787
                    200   0.337  0.979
1 3/11/2016 6  abc  100   0.953  0.559
                    200   0.776  0.520

仅对 Pandas 中的某些列进行多索引

Multiindex only some of columns in Pandas

python

pandas

dataframe

multi-index