熊猫将第一个多索引转换为行索引，将第二个多索引转换为列索引

Posted 2023-03-11

【中文标题】熊猫将第一个多索引转换为行索引，将第二个多索引转换为列索引

【英文标题】：pandas transform 1st mutliindex to rowindex and 2nd multiindex to columnindex

【发布时间】：2021-08-28 03:33:11

【问题描述】：

所以我有以下代码将给定数据帧的组转换为列并计算每个组的大小。这将创建一个具有一列和两个值的 Multiindex 的 DataFrame。然后我将结果转换为将第二个索引作为 columnindex 并将第一个索引作为 rowindex。

import pandas as pd
from random import choice

products=['car', 'pen', 'kitchen', 'bed']
df=pd.DataFrame(['product': choice(products), 'Changing': choice([True, False]) for _ in range(10000)])

df_grp=df.groupby(['product', 'Changing']).size().to_frame()
print(df_grp)
print('-'*50)

d=[]
for i in df_grp.reset_index()['product'].unique():
    d.append('product':i, 'not changing': df_grp.loc[(i,False)][0], 'changing': df_grp.loc[(i,True)][0])
print(pd.DataFrame(d).set_index('product'))

这会产生以下输出

                     0
product Changing      
bed     False     1253
        True      1269
car     False     1244
        True      1275
kitchen False     1236
        True      1271
pen     False     1206
        True      1246
--------------------------------------------------
         not changing  changing
product                        
bed              1253      1269
car              1244      1275
kitchen          1236      1271
pen              1206      1246

这正是我想要实现的。但是，我的方法似乎有点复杂。有没有更优雅的方法来做到这一点？也许使用 da 内置的 pandas 函数或 lambda 函数？此外，我的方法不能很好地概括，因为我总是假设第二个索引是布尔值。

【参考方案1】：

通过unstack()尝试：

df_grp=df.groupby(['product', 'Changing']).size().unstack()

终于使用columns属性：

df_grp.columns=[f'"not "*coldf_grp.columns.name' for col in df_grp][::-1]
#as suggested by @Cyttorak #rename column without hard coding
#OR
df_grp.columns=['not changing','changing'] #you have to manually write the names

df_grp的输出：

          not changing  changing
product         
bed         1210        1226
car         1220        1272
kitchen     1238        1277
pen         1267        1290

【讨论】：

我删除了我的。您可以添加（如果需要）可以在不使用硬封装的情况下重命名列：df_grp.columns = [f'"not "*coldf_grp.columns.name' for col in df_grp]

好吧，考虑到它几乎是一样的，我不介意你添加这部分。一个全面的答案比两个几乎相似的答案要好。