Pandas多层索引降级:直接去除与合并列名的两种实用方法

周叙
周叙
发布时间:2026-10-13 | 6人浏览过
原创

本文介绍在Pandas中处理因多聚合函数生成的多层索引问题。当使用groupby进行复杂聚合时,生成的Column Level具有层次结构,虽利于阅读但不便编程访问。文章详细演示了两种降级方法:一是直接去除外层索引以简化结构,二是将多层列名合并为单层字符串,从而提升代码定位效率。

# 背景介绍 在Pandas使用中,通常不会主动构建多层索引。然而,当对同一字段执行多种不同的聚合运算(如sum、max等)时,生成的列索引会自然形成层级结构。这种结构虽然便于直观阅读数据,却给编程时的定位操作带来不便。 # 数据准备

import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(0, 14).reshape(7,2),columns =['a','b'] )
df.a = df.a %3
df['who'] = 'Bob'
df.loc[df.a%4==0,'who'] = 'Alice'

a b who
0 0 1 Alice
1 2 3 Bob
2 1 5 Bob
3 0 7 Alice
4 2 9 Bob
5 1 11 Bob
6 0 13 Alice

# 对一个字段同时应用3个聚合函数

gp1 = df.groupby('who').agg({'b':[sum,np.max, np.min], 'a':sum})
gp1
b a
sum amax amin sum
who
Alice 8.0 7.0 1.0 0
Bob 28.0 11.0 3.0 6

这种带有层级的索引结构,通过常规方式访问显得不够便捷。下文将介绍两种解决该问题的方法。

#有层次的索引访问方法
gp1.loc['Bob', ('b', 'sum')]
28.0

# 直接去除一层

gp2 = gp1.copy(deep=True)
gp2.columns = gp1.columns.droplevel(0)
gp2

sum amax amin sum
who
Alice 8.0 7.0 1.0 0
Bob 28.0 11.0 3.0 6

# 把2层合并到一层

gp3 = gp1.copy(deep=True)
gp3.columns = ["_".join(x) for x in gp3.columns.ravel()]
gp3

b_sum b_amax b_amin a_sum
who
Alice 8.0 7.0 1.0 0
Bob 28.0 11.0 3.0 6

以上关于在Pandas中对多层索引进行降级的方法分享完毕,希望能对大家有所帮助,也欢迎继续支持本站。

相关标签:

本站声明

本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。

Python 相关产品和应用

全部下载

专题列表