將多索引資料幀格式從列到Pandas中的變數進行排序

我有這個DataFrame：

      Age         Hgt         Wgt     
      x     y     x     y     x     y
0     26    24    160   164   95    71
1     35    37    182   163   110   68
2     57    52    175   167   89    65

它是一個 MultiIndex DataFrame。

我pandas用來得到這個最終結果：

      x_new    y_new    parameter     
0     26       24       Age
1     35       37       Age  
2     57       52       Age
3     160      164      Hgt           
4     182      163      Hgt             
5     175      167      Hgt              
6     95       71       Wgt     
7     110      68       Wgt     
8     89       65       Wgt     

基本上，所有x列都合并/堆疊在一個新列下x_new，以及y列下的y_new列。始終該x值應采用y相同原始和列的值。

這就是我試圖做的：

首先，我melt()在加入列索引并成為單索引后使用'_'.join(col).strip() 它創建了額外的錯誤行。這些錯誤的行具有錯誤的值，例如：Age_x并且Hgt_y在同一行中。請記住，始終，例如：Age_x并且Age_y在同一行中。或者，Hgt_x和Hgt_y在同一行。

其次，我使用了stack()，它給了我這個結果：

df.stack().reset_index(level=0, drop=True).reset_index()

      index    Age      Hgt      Wgt
0     x        26       160      95
1     y        24       164      71  
2     x        35       182      110
3     y        37       163      68
4     x        57       175      89
5     y        52       167      65    

我不知道我還能做什么。

有沒有辦法使用簡單的代碼將 MultiIndexDataFrame轉換為我正在尋找的最終結果pandas？

uj5u.com熱心網友回復：

只需指定 to而不是默認值 ( ) （用于洗掉不需要的索引級別而不是兩次）：stack level=0level=-1droplevelreset_index

df.stack(level=0).droplevel(0).reset_index()

  index    x    y
0   Age   26   24
1   Hgt  160  164
2   Wgt   95   71
3   Age   35   37
4   Hgt  182  163
5   Wgt  110   68
6   Age   57   52
7   Hgt  175  167
8   Wgt   89   65

sort_index在之前按字典順序添加reset_index：

df.stack(level=0).droplevel(0).sort_index().reset_index()

  index    x    y
0   Age   26   24
1   Age   35   37
2   Age   57   52
3   Hgt  160  164
4   Hgt  182  163
5   Hgt  175  167
6   Wgt   95   71
7   Wgt  110   68
8   Wgt   89   65

我們可以進一步清理輸出rename_axis并add_suffix添加更改索引名稱并將“_new”后綴添加到“x”和“y”列：

(df.stack(level=0) 
   .droplevel(0)
   .sort_index() 
   .add_suffix('_new')
   .rename_axis(index='parameter') 
   .reset_index()
)

  parameter  x_new  y_new
0       Age     26     24
1       Age     35     37
2       Age     57     52
3       Hgt    160    164
4       Hgt    182    163
5       Hgt    175    167
6       Wgt     95     71
7       Wgt    110     68
8       Wgt     89     65

另一種方式，使用堆疊/取消堆疊，因為它隱式地對級別進行排序：

(df
.T
.unstack(1)
.stack(0)
.droplevel(1)
.rename_axis('parameter')
.add_suffix('_new')
.reset_index()
)

使用的設定：

import pandas as pd

df = pd.DataFrame({
    ('Age', 'x'): [26, 35, 57], ('Age', 'y'): [24, 37, 52],
    ('Hgt', 'x'): [160, 182, 175], ('Hgt', 'y'): [164, 163, 167],
    ('Wgt', 'x'): [95, 110, 89], ('Wgt', 'y'): [71, 68, 65]
})

uj5u.com熱心網友回復：

另一種選擇是串列理解，然后是串聯（速度方面，我希望@HenryEcker 的解決方案具有更高的性能，在測驗之前你永遠不會知道，并且只有在你熱衷于性能時才進行測驗）：

pd.concat([df[key].add_suffix('_new')
                  .assign(parameter=key) 
           for key in df.columns.levels[0]], 
          ignore_index=True,
          sort = False,
          copy = False)

   x_new  y_new parameter
0     26     24       Age
1     35     37       Age
2     57     52       Age
3    160    164       Hgt
4    182    163       Hgt
5    175    167       Hgt
6     95     71       Wgt
7    110     68       Wgt
8     89     65       Wgt

標籤：Python 熊猫 数据框 多指标 列排序

上一篇：重新排列/組合字典中的資料框

下一篇：如何洗掉熊貓資料框中的分類列？