熊猫：从多级列索引中删除一个级别？

Question

如果我有一个多级列索引：

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])

>>> pd.DataFrame([[1,2], [3,4]], columns=cols)

    一种

   --- +  - 

    b | C

-  +  -  +  - 

0 | 1 | 2

1 | 3 | 4

如何删除该索引的“a”级别，因此我最终得到：

    b | C

-  +  -  +  - 

0 | 1 | 2

1 | 3 | 4

Answer 1

你可以使用MultiIndex.droplevel：>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])>>> df = pd.DataFrame([[1,2], [3,4]], columns=cols)>>> df   a      b  c0  1  21  3  4[2 rows x 2 columns]>>> df.columns = df.columns.droplevel()>>> df   b  c0  1  21  3  4[2 rows x 2 columns]

Answer 2

删除索引的另一种方法是使用列表解析：df.columns = [col[1] for col in df.columns]   b  c0  1  21  3  4如果要组合两个级别的名称（如下面的示例中底层包含两个'y'），此策略也很有用：cols = pd.MultiIndex.from_tuples([("A", "x"), ("A", "y"), ("B", "y")])df = pd.DataFrame([[1,2, 8 ], [3,4, 9]], columns=cols)   A     B   x  y  y0  1  2  81  3  4  9删除顶级会留下两列，索引为“y”。通过将名称与列表理解相结合可以避免这种情况。df.columns = ['_'.join(col) for col in df.columns]    A_x A_y B_y0   1   2   81   3   4   9这是我在做一个小组后遇到的问题，并且花了一段时间才找到解决它的另一个问题。我在这里针对具体案例调整了解决方案。

Answer 3

另一种方法是使用.xs方法df根据横截面重新分配。df>>> df    a    b   c0   1   21   3   4>>> df = df.xs('a', axis=1, drop_level=True)    # 'a' : key on which to get cross section    # axis=1 : get cross section of column    # drop_level=True : returns cross section without the multilevel index>>> df    b   c0   1   21   3   4