# 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 |