在Pandas中如何給多層索引降級

# 背景介紹 通常我們不會在Pandas中主動設定多層索引,但是如果一個字段做多個不同的聚合運算, 比如sum, max這樣形成的Column Level是有層次的,這樣閱讀非常友善,但是對程式設計定位比較麻煩. # 資料準備

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

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

# 對一個字段同時用3個聚合函數

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
Bob	28.0	11.0	3.0	6

索引是有層次的,虛要通過下面這種方式,個人感覺不是很友善.下面介紹2種方法來解決這個問題

#有層次的索引通路方法
gp1.loc['Bob', ('b', 'sum')]
           

28.0
           

# 直接去除一層

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

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

# 把2層合并到一層

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
Bob	28.0	11.0	3.0	6