如何将索引级别转换为多级别列中的新级别 (Pandas)

Question

我有以下数据帧 dfg（这是先前聚合的结果）。

                   F-1   F-2
dataset Model               
G       Baseline 0.971 0.967
        Version2 0.971 0.967
H       Baseline 0.780 0.762
        Version2 0.800 0.777
S       Baseline 0.401 0.320
        Version2 0.453 0.365
T       Baseline 0.881 0.825
        Version2 0.989 0.985

我想要的是获得我的数据框的以下组织：

        Baseline    Version2
dataset F-1   F-2   F-1   F-2
G       0.971 0.967 0.971 0.967
H       0.780 0.762 0.800 0.777
S       0.401 0.320 0.453 0.365
T       0.881 0.825 0.989 0.985

我尝试了几种方法，但我认为最好的解决方案总是给我错误。我最“合乎逻辑”的解决方案是：

重置索引（将 'Model' 提取到列中）；
从元组创建多级列；
将列更改为多级列。

像这样：

dfg.reset_index(inplace=True, level=['Model']
new_cols = [('Baseline', 'F-1'), ('Baseline', 'F-2'), ('Version2', 'F-1'), ('Version2', 'F-2')]
multi_cols = pd.MultiIndex.from_tuples(new_cols, names=('Model', 'Measure'))

但我收到以下错误：

ValueError: Length mismatch: Expected axis has 3 elements, new values have 4 elements

我知道这很原始，但我找不到任何可以解释如何从现有数据帧构建多级列的来源。

Answer 1

使用DataFrame.stack with Series.unstack, last clean columns names by DataFrame.rename_axis:

#last previous, last levels
df = df.stack().unstack([-2,-1]).rename_axis((None, None), axis=1)
#or second and third levels
#df = df.stack().unstack([1,2]).rename_axis((None, None), axis=1)
print (df)
        Baseline        Version2       
             F-1    F-2      F-1    F-2
dataset                                
G          0.971  0.967    0.971  0.967
H          0.780  0.762    0.800  0.777
S          0.401  0.320    0.453  0.365
T          0.881  0.825    0.989  0.985

Answer 2

df.stack().unstack(0).transpose()

如何将索引级别转换为多级别列中的新级别 (Pandas)

How can I transform a level of index into new level in Multi level column (Pandas)

python

pandas

multi-index