Панды - Как сгладить иерархический индекс в столбцах

Ответ 1

Я думаю, что самый простой способ сделать это - установить столбцы на верхний уровень:

df.columns = df.columns.get_level_values(0)

Примечание. Если на уровне есть имя, вы также можете получить к нему доступ, а не 0.

.

Если вы хотите объединить /join ваш MultiIndex в один индекс (при условии, что у вас есть только строковые записи в столбцах), вы можете:

df.columns = [' '.join(col).strip() for col in df.columns.values]

Примечание: мы должны strip пробел, если нет второго индекса.

In [11]: [' '.join(col).strip() for col in df.columns.values]
Out[11]: 
['USAF',
 'WBAN',
 'day',
 'month',
 's_CD sum',
 's_CL sum',
 's_CNT sum',
 's_PC sum',
 'tempf amax',
 'tempf amin',
 'year']

Ответ 2

pd.DataFrame(df.to_records()) # multiindex become columns and new index is integers only

Ответ 3

Ответ Энди Хайдена, безусловно, самый простой способ - если вы хотите избежать дублирования ярлыков столбцов, вам нужно немного настроить

In [34]: df
Out[34]: 
     USAF   WBAN  day  month  s_CD  s_CL  s_CNT  s_PC  tempf         year
                               sum   sum    sum   sum   amax   amin      
0  702730  26451    1      1    12     0     13     1  30.92  24.98  1993
1  702730  26451    2      1    13     0     13     0  32.00  24.98  1993
2  702730  26451    3      1     2    10     13     1  23.00   6.98  1993
3  702730  26451    4      1    12     0     13     1  10.04   3.92  1993
4  702730  26451    5      1    10     0     13     3  19.94  10.94  1993


In [35]: mi = df.columns

In [36]: mi
Out[36]: 
MultiIndex
[(USAF, ), (WBAN, ), (day, ), (month, ), (s_CD, sum), (s_CL, sum), (s_CNT, sum), (s_PC, sum), (tempf, amax), (tempf, amin), (year, )]


In [37]: mi.tolist()
Out[37]: 
[('USAF', ''),
 ('WBAN', ''),
 ('day', ''),
 ('month', ''),
 ('s_CD', 'sum'),
 ('s_CL', 'sum'),
 ('s_CNT', 'sum'),
 ('s_PC', 'sum'),
 ('tempf', 'amax'),
 ('tempf', 'amin'),
 ('year', '')]

In [38]: ind = pd.Index([e[0] + e[1] for e in mi.tolist()])

In [39]: ind
Out[39]: Index([USAF, WBAN, day, month, s_CDsum, s_CLsum, s_CNTsum, s_PCsum, tempfamax, tempfamin, year], dtype=object)

In [40]: df.columns = ind




In [46]: df
Out[46]: 
     USAF   WBAN  day  month  s_CDsum  s_CLsum  s_CNTsum  s_PCsum  tempfamax  tempfamin  \
0  702730  26451    1      1       12        0        13        1      30.92      24.98   
1  702730  26451    2      1       13        0        13        0      32.00      24.98   
2  702730  26451    3      1        2       10        13        1      23.00       6.98   
3  702730  26451    4      1       12        0        13        1      10.04       3.92   
4  702730  26451    5      1       10        0        13        3      19.94      10.94   




   year  
0  1993  
1  1993  
2  1993  
3  1993  
4  1993

Ответ 4

Все текущие ответы в этой теме должны быть немного устаревшими. Начиная с версии pandas 0.24.0, .to_flat_index() делает то, что вам нужно.

Из панды собственной документации:

MultiIndex.to_flat_index()

Преобразуйте мультииндекс в индекс кортежей, содержащий значения уровня.

Простой пример из документации:

import pandas as pd
print(pd.__version__) # '0.23.4'
index = pd.MultiIndex.from_product(
        [['foo', 'bar'], ['baz', 'qux']],
        names=['a', 'b'])

print(index)
# MultiIndex(levels=[['bar', 'foo'], ['baz', 'qux']],
#           codes=[[1, 1, 0, 0], [0, 1, 0, 1]],
#           names=['a', 'b'])

Применяем to_flat_index():

index.to_flat_index()
# Index([('foo', 'baz'), ('foo', 'qux'), ('bar', 'baz'), ('bar', 'qux')], dtype='object')

Использование его для замены существующего столбца pandas

Пример того, как вы будете использовать его в dat, который представляет собой DataFrame со столбцом MultiIndex:

dat = df.loc[:,['name','workshop_period','class_size']].groupby(['name','workshop_period']).describe()
print(dat.columns)
# MultiIndex(levels=[['class_size'], ['count', 'mean', 'std', 'min', '25%', '50%', '75%', 'max']],
#            codes=[[0, 0, 0, 0, 0, 0, 0, 0], [0, 1, 2, 3, 4, 5, 6, 7]])

dat.columns = dat.columns.to_flat_index()
print(dat.columns)
# Index([('class_size', 'count'),  ('class_size', 'mean'),
#     ('class_size', 'std'),   ('class_size', 'min'),
#     ('class_size', '25%'),   ('class_size', '50%'),
#     ('class_size', '75%'),   ('class_size', 'max')],
#  dtype='object')

Ответ 5

df.columns = ['_'.join(tup).rstrip('_') for tup in df.columns.values]

Ответ 6

И если вы хотите сохранить любую информацию об агрегировании со второго уровня мультииндекса, вы можете попробовать следующее:

In [1]: new_cols = [''.join(t) for t in df.columns]
Out[1]:
['USAF',
 'WBAN',
 'day',
 'month',
 's_CDsum',
 's_CLsum',
 's_CNTsum',
 's_PCsum',
 'tempfamax',
 'tempfamin',
 'year']

In [2]: df.columns = new_cols

Ответ 7

Самый питонический способ сделать это - использовать функцию map.

df.columns = df.columns.map(' '.join).str.strip()

Вывод на print(df.columns):

Index(['USAF', 'WBAN', 'day', 'month', 's_CD sum', 's_CL sum', 's_CNT sum',
       's_PC sum', 'tempf amax', 'tempf amin', 'year'],
      dtype='object')

Обновление с использованием Python 3. 6+ с строкой f:

df.columns = [f'{f} {s}' if s != '' else f'{f}' 
              for f, s in df.columns]

print(df.columns)

Выход:

Index(['USAF', 'WBAN', 'day', 'month', 's_CD sum', 's_CL sum', 's_CNT sum',
       's_PC sum', 'tempf amax', 'tempf amin', 'year'],
      dtype='object')

Ответ 8

Возможно, немного поздно, но если вас не беспокоят дублирующие имена столбцов:

df.columns = df.columns.tolist()

Ответ 9

Общее решение, которое обрабатывает несколько уровней и смешанных типов:

df.columns = ['_'.join(tuple(map(str, t))) for t in df.columns.values]

Ответ 10

Прочитав все ответы, я придумал следующее:

def __my_flatten_cols(self, how="_".join, reset_index=True):
    how = (lambda iter: list(iter)[-1]) if how == "last" else how
    self.columns = [how(filter(None, map(str, levels))) for levels in self.columns.values] \
                    if isinstance(self.columns, pd.MultiIndex) else self.columns
    return self.reset_index() if reset_index else self
pd.DataFrame.my_flatten_cols = __my_flatten_cols

Применение:

С учетом кадра данных:

df = pd.DataFrame({"grouper": ["x","x","y","y"], "val1": [0,2,4,6], 2: [1,3,5,7]}, columns=["grouper", "val1", 2])

  grouper  val1  2
0       x     0  1
1       x     2  3
2       y     4  5
3       y     6  7

• Единый метод агрегирования: результирующие переменные называются такими же, как источник:

  df.groupby(by="grouper").agg("min").my_flatten_cols()
  

  • То же, что и df.groupby(by="grouper", grouper df.groupby(by="grouper", as_index = False ) или .agg(...) .reset_index()

  • ----- before -----
               val1  2
      grouper         
    
    ------ after -----
      grouper  val1  2
    0       x     0  1
    1       y     4  5
    

• Одна переменная источника, множественные агрегации: результирующие переменные, названные в честь статистики:

  df.groupby(by="grouper").agg({"val1": [min,max]}).my_flatten_cols("last")
  

  • То же, что a = df.groupby(..).agg(..); a.columns = a.columns.droplevel(0); a.reset_index() a = df.groupby(..).agg(..); a.columns = a.columns.droplevel(0); a.reset_index() a = df.groupby(..).agg(..); a.columns = a.columns.droplevel(0); a.reset_index().

  • ----- before -----
                val1    
               min max
      grouper         
    
    ------ after -----
      grouper  min  max
    0       x    0    2
    1       y    4    6
    

• Несколько переменных, множественные агрегации: результирующие переменные с именем (varname) _ (statname):

  df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols()
  # you can combine the names in other ways too, e.g. use a different delimiter:
  #df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols(" ".join)
  

  • Запускает a.columns = ["_".join(filter(None, map(str, levels))) for levels in a.columns.values] под капотом (так как эта форма agg() приводит к MultiIndex на столбцах),
  • Если у вас нет помощника my_flatten_cols, может быть проще ввести решение, предложенное @Seigi: a.columns = ["_".join(t).rstrip("_") for t in a.columns.values], который работает аналогично в этом случае (но сбой, если у вас есть числовые метки в столбцах)
  • Чтобы обрабатывать числовые метки в столбцах, вы можете использовать решение, предложенное @jxstanford и @Nolan Conaway (a.columns = ["_".join(tuple(map(str, t))).rstrip("_") for t in a.columns.values]), но я не понимаю, зачем нужен вызов tuple(), и я считаю, что rstrip() требуется только в том случае, если некоторые столбцы имеют дескриптор типа ("colname", "") (что может произойти, если вы reset_index() прежде чем пытаться исправить .columns)

  • ----- before -----
               val1           2     
               min       sum    size
      grouper              
    
    ------ after -----
      grouper  val1_min  2_sum  2_size
    0       x         0      4       2
    1       y         4     12       2
    

• Вы хотите назвать результирующие переменные вручную: (это не рекомендуется с момента pandas 0.20.0 без подходящей альтернативы на 0.23)

  df.groupby(by="grouper").agg({"val1": {"sum_of_val1": "sum", "count_of_val1": "count"},
                                     2: {"sum_of_2":    "sum", "count_of_2":    "count"}}).my_flatten_cols("last")
  

  • Другие предложения включают в себя: настройку столбцов вручную: res.columns = ['A_sum', 'B_sum', 'count'] или .join() groupby нескольких операторов groupby.

  • ----- before -----
                       val1                      2         
              count_of_val1 sum_of_val1 count_of_2 sum_of_2
      grouper                                              
    
    ------ after -----
      grouper  count_of_val1  sum_of_val1  count_of_2  sum_of_2
    0       x              2            2           2         4
    1       y              2           10           2        12
    

Случаи, выполняемые вспомогательной функцией

• имена уровней могут быть нестроковыми, например Index pandas DataFrame по номерам столбцов, когда имена столбцов являются целыми числами, поэтому нам нужно преобразовать с помощью map(str,..)
• они также могут быть пустыми, поэтому мы должны filter(None,..)
• для одноуровневых столбцов (т.е. ничего, кроме MultiIndex), columns.values возвращает имена (str, а не кортежи)
• в зависимости от того, как вы использовали .agg() вам может потребоваться сохранить нижнюю метку для столбца или объединить несколько ярлыков
• (поскольку я новичок в pandas?) чаще, чем нет, я хочу, чтобы reset_index() мог работать с столбцами group-by обычным образом, поэтому он делает это по умолчанию

Ответ 11

Если вы хотите иметь разделитель в имени между уровнями, эта функция работает хорошо.

def flattenHierarchicalCol(col,sep = '_'):
    if not type(col) is tuple:
        return col
    else:
        new_col = ''
        for leveli,level in enumerate(col):
            if not level == '':
                if not leveli == 0:
                    new_col += sep
                new_col += level
        return new_col

df.columns = df.columns.map(flattenHierarchicalCol)

Ответ 12

Следуя @jxstanford и @tvt173, я написал быструю функцию, которая должна делать трюк, независимо от имен столбцов string/int:

def flatten_cols(df):
    df.columns = [
        '_'.join(tuple(map(str, t))).rstrip('_') 
        for t in df.columns.values
        ]
    return df

Ответ 13

Вы также можете сделать, как показано ниже. Рассмотрим df как ваш фрейм данных и возьмите двухуровневый индекс (как в вашем примере)

df.columns = [(df.columns[i][0])+'_'+(datadf_pos4.columns[i][1]) for i in range(len(df.columns))]

Ответ 14

Я поделюсь прямым способом, который сработал для меня.

[" ".join([str(elem) for elem in tup]) for tup in df.columns.tolist()]
#df = df.reset_index() if needed

Ответ 15

Самым простым и интуитивно понятным решением для меня было объединение имен столбцов с помощью get_level_values . Это предотвращает дублирование имен столбцов, если в одном столбце выполняется несколько агрегаций:

level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
df.columns = level_one + level_two

Если вы хотите разделитель между столбцами, вы можете сделать это. Это вернет то же самое, что и комментарий Сейджи Армстронга к принятому ответу, который включает только подчеркивания для столбцов со значениями на обоих уровнях индекса:

level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
column_separator = ['_' if x != '' else '' for x in level_two]
df.columns = level_one + column_separator + level_two

Я знаю, что это делает то же самое, что и отличный ответ энди Хейдена выше, но я думаю, что это немного более интуитивно, и его легче запомнить (поэтому мне не нужно постоянно ссылаться на эту тему), особенно для начинающие пользователи панд.

Этот метод также более расширяем в случае, когда у вас может быть 3 уровня столбца.

level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
level_three = df.columns.get_level_values(2).astype(str)
df.columns = level_one + level_two + level_three

Ответ 16

Чтобы сгладить MultiIndex внутри цепочки других методов DataFrame, определите такую функцию:

def flatten_index(df):
  df_copy = df.copy()
  df_copy.columns = ['_'.join(col).rstrip('_') for col in df_copy.columns.values]
  return df_copy.reset_index()

Затем используйте метод pipe чтобы применить эту функцию в цепочке методов DataFrame, после groupby и agg но перед любыми другими методами в цепочке:

my_df \
  .groupby('group') \
  .agg({'value': ['count']}) \
  .pipe(flatten_index) \
  .sort_values('value_count')