重命名具有任意顺序和重复列名的多索引列

Posted 2023-03-12

【中文标题】重命名具有任意顺序和重复列名的多索引列

【英文标题】：Renaming multiindex columns with arbitrary order and duplicate column names

【发布时间】：2019-01-19 20:07:31

【问题描述】：

我有一个DataFrame overview（这个问题的缩写）。

>>> import pandas as pd
>>> import numpy as np
>>>
>>> index = pd.Index(['Abbott PLC', 'Abbott, Rogahn and Bednar'], dtype='object', name='Account Name')
>>> columns = pd.MultiIndex(levels=[['total', 'quantity'], ['count', 'sum']], labels=[[0, 0, 1], [1, 0, 1]])
>>> values = np.array([[755.44,   1.  ,  19.  ], [615.6 ,   1.  ,  18.  ]])
>>> 
>>> overview = pd.DataFrame(values, columns=columns, index=index)
>>> overview
                            total       quantity
                              sum count      sum
Account Name                                    
Abbott PLC                 755.44   1.0     19.0
Abbott, Rogahn and Bednar  615.60   1.0     18.0

列名很奇怪，因为在我的实际代码中，此结果是从 DataFrame df 派生而来的，具有以下分组操作。

aggregators = 'total': ['sum', 'count'], 'quantity': 'sum'
overview = df.groupby('Account Name')['total', 'quantity'].agg(aggregators)

我想重命名overview的列，想要的结果是这样的：

                            gross  checkouts  items
Account Name                                       
Abbott PLC                 755.44        1.0   19.0
Abbott, Rogahn and Bednar  615.60        1.0   18.0

我不能简单地使用overview.columns = ['gross', 'checkouts', 'items'] 或this similar question 的答案，因为在使用agg 之后，列的顺序是任意的。 （应用rename 也似乎很棘手，因为重复名称'sum'。）

目前，我正在通过将OrderedDict 用于aggregators 来解决此问题，因此overview 具有确定性的列序数。但是假设 overview 的创建不能在上游修复，我将如何优雅地达到我想要的结果？

【问题讨论】：

如果你扁平化并加入你的列，你会得到像 Index(['total_sum', 'total_count', 'quantity_sum'], dtype='object') 这样的东西，这将是独一无二的，如果我理解正确的话，你可以重命名。跨度>

@user3483203 听起来很有希望，请随时写一个答案，教我扁平化和加入过程。

试试overview.columns = ['_'.join(col).strip() for col in overview.columns.values]，看看是不是你想走的路，如果是，我会写出来作为答案。

@user3483203 似乎工作正常。我想知道是否有更“熊猫原生”的解决方案，但现在它可以解决问题！

我不知道熊猫内置的更好方法，但很高兴我能提供帮助！

【参考方案1】：

您的数据框有一个 MultiIndex 作为列。有几种方法可以展平为常规索引：

pd.Index.map

overview.columns = overview.columns.map('_'.join)

列表理解 + f-strings

在 Python 3.6+ 中，您可以使用格式化的字符串文字 (PEP 498)：

overview.columns = [f'i_j' for i, j in overview.columns]

列表理解 + str.format / str.join

对于 str.format 或str.join：

overview.columns = ['i_j'.format(i, j) for i, j in overview.columns]

overview.columns = list(map('_'.join, overview.columns))

---

如果只重命名，可以直接使用字典映射：

d = ('total', 'sum'): 'gross', ('total', 'count'): 'checkouts',
     ('quantity', 'sum'): 'items'

overview.columns = np.vectorize(d.get)(overview.columns)

【讨论】：

谢谢。我知道如何从临时列名着手。为了完整起见，您可以考虑在答案中包含最终重命名。

@timgeb，当然，我还添加了一个更直接的方法，不需要中间重命名。

现在我明白了。容器overview.columns 的工作方式与其打印输出的建议完全不同。实际上，在这种情况下，我可以将其视为元组列表[('total', 'sum'), ('total', 'count'), ('quantity', 'sum')]。

@timgeb，正是如此。甚至还有一种从元组列表构造Index 的方法：pd.MultiIndex.from_tuples。