分配多索引列，同时保留索引级别值的顺序

Posted 2023-03-12

【中文标题】分配多索引列，同时保留索引级别值的顺序

【英文标题】：Assign multi-index column while preserving the order of index level values

【发布时间】：2020-01-05 15:11:38

【问题描述】：

我有以下具有多索引列的数据框：

df = pd.DataFrame(np.arange(6).reshape(2, 3),
    columns=pd.MultiIndex.from_tuples([('foo', 'a'), ('bar', 'a'), ('bar', 'b')]))

  foo bar   
    a   a  b
0   0   1  2
1   3   4  5

我想分配一个新列 ('foo', 'b') 以便保留索引级别 0 中值的顺序，即结果列应该是 ('foo', 'a'), ('foo', 'b'), ('bar', 'a'), ('bar', 'b')：

expected = pd.DataFrame(
    [[0, 10, 1, 2], [3, 11, 4, 5]],
    columns=pd.MultiIndex.from_product([['foo', 'bar'], list('ab')]))

      foo     bar   
    a   b   a  b
0   0  10   1  2
1   3  11   4  5

以下内容会很好而且直观，但不幸的是assign 不接受位置参数：

df.assign(('foo', 'b'): [10, 11])

所以我尝试了各种选项，但新列总是附加在末尾：

# using column indexer (appends the new column to the end):
df2 = df.copy()
df2['foo', 'b'] = [10, 11]
print(df2)  # columns out of order
print(df2.sort_index(axis=1))  # order of "foo" and "bar" swapped

# using join (appends the new column to the end):
df3 = df.join(pd.DataFrame([10, 11], index=df.index,
    columns=pd.MultiIndex.from_tuples([('foo', 'b')])))
print(df3)  # columns out of order

# saving index levels beforehand doesn't help because they are sorted:
df4 = df.copy()
columns = df.columns.levels[0]  # columns out of order
df4['foo', 'b'] = [10, 11]
df4 = df4[columns]
print(df4)  # columns out of order

我可以使用[x[0] for x in df.columns]，然后删除重复项（不使用set，因为应该保留顺序），然​​后使用结果来索引新数据框的列，但这种方法对于这么简单的方法来说感觉太重了任务。

我知道this question 但是那里的答案不保留列顺序。

【参考方案1】：

那是insert

df.insert(1, ('foo', 'b'), [10, 11])
df
  foo     bar   
    a   b   a  b
0   0  10   1  2
1   3  11   4  5

【讨论】：

nice 1，.loc 以某种方式扰乱了订单

insert 似乎需要沿列的绝对位置，您只是对其进行了硬编码，但对于更复杂的设置，这可能是不可行的。所以我需要一个单独的函数来计算那个索引位置？像next(it.dropwhile(lambda x: x[1][0] == 'foo', it.dropwhile(lambda x: x[1][0] != 'foo', enumerate(df.columns))))[0] 这样的东西。看起来也很重。

【参考方案2】：

最终我选择了以下内容：

创建一级列索引器 删除重复项（使用dict 保留顺序） 用它来索引新的数据框，恢复旧的顺序

代码示例：

df['foo', 'b'] = [10, 11]
df = df[list(dict.fromkeys([x[0] for x in df.columns]))]