在 Pandas DataFrame 中转置选定的 MultiIndex 级别

Posted

技术标签:

【中文标题】在 Pandas DataFrame 中转置选定的 MultiIndex 级别【英文标题】:Transposing selected MultiIndex levels in Pandas DataFrame 【发布时间】:2019-03-05 02:49:09 【问题描述】:

我有一个 MultiIndexed DataFrame:

import pandas as pd
import numpy as np

l0, l1 = ['A', 'B'],['a', 'b']
c0 = ['c1', 'c2', 'c3']
data = np.arange(12).reshape(4,3)
df = pd.DataFrame(data=data, 
                  index=pd.MultiIndex.from_product([l0,l1]),
                  columns=c0)

>>>
     c1  c2  c3
A a   0   1   2
  b   3   4   5
B a   6   7   8
  b   9  10  11

我想转置 MultiIndex 和列的级别,以便得到:

df2 = pd.DataFrame(index=pd.MultiIndex.from_product([l0, c0]),
                   columns=l1)

>>>
    a    b
A c1  NaN  NaN
  c2  NaN  NaN
  c3  NaN  NaN
B c1  NaN  NaN
  c2  NaN  NaN
  c3  NaN  NaN

显然我想填充正确的值。我的解决方案目前是使用带有迭代器的 map,但感觉 Pandas 会有一些本地方式来做到这一点。我是对的,有没有更好(更快)的方法?

from itertools import product
def f(df, df2, idx_1, col_0):
    df2.loc[(slice(None), col_0), idx_1] = \
        df.loc[(slice(None), idx_1), col_0].values
m = map(lambda k: f(df, df2, k[0], k[1]), product(l1, c0))
list(m) # <- to execute

>>> df2
>>>
      a   b
A c1  0   3
  c2  1   4
  c3  2   5
B c1  6   9
  c2  7  10
  c3  8  11

【问题讨论】:

【参考方案1】:

先堆叠列,然后将要成为新列的层级拆开:

df.stack().unstack(level=1)
Out: 
      a   b
A c1  0   3
  c2  1   4
  c3  2   5
B c1  6   9
  c2  7  10
  c3  8  11

【讨论】:

以上是关于在 Pandas DataFrame 中转置选定的 MultiIndex 级别的主要内容,如果未能解决你的问题,请参考以下文章

如何使用 python 在 Spark 中转置 DataFrame 而不进行聚合

使用scala在Spark中转置DataFrame而不进行聚合

python 在Pandas中转置数据(长到宽)

pandas - 如何仅将 DataFrame 的选定列保存到 HDF5

Pandas:用于在 DataFrame 中设置值的三元条件运算符

在 Pyspark 数据框中转置