熊猫数据透视表中的Multiindex

Question

我正在处理如下所示的数据透视表：

            Style  Site AVS  End Qty.                                          \
JP SIZE                           116  120  140  ADULTS  L  M  O  OSFA  S  XL   
0        50935801  2664   0         0    0    0       0  0  0  0     0  0   3   
1        50935801  2807   0         0    0    0       0  0  0  0     0  0   3   
2        50935801  2832   0         0    0    0       0  0  0  0     0  0   3   
3        50935802  2702   1         0    0    0       0  0  1  0     0  0   0   
4        50985101  2849   0         0    0    0       0  0  3  0     0  0   0   

            Sales Qty.                              
JP SIZE  Total         116  120  140  ADULTS  L  M      
0            3           0    0    0       0  0  0 ...  
1            3           0    0    0       0  0  0 ...  
2            3           0    0    0       0  0  0 ...  
3            1           0    0    0       0  0 -1 ...  
4            3           0    0    0       0  0  0 ...  

而且我只希望有一个列标题向量，该向量为[Style，Site，AVS，116，120，...，Total，Sales Qty。]。

但是对于“销售数量”。 列，而不是现在的表，我只希望总列（我现在可以使用jj ['Sales Qty'] ['Total']来访问它，所以我想我可以将其保存在另一个列中变量，将其删除并最后添加）

到目前为止，我尝试过的所有方法都失败了，我认为这是因为我对MultiIndex的工作方式还不太了解。

在此先感谢您提供的任何帮助！

Answer 1

可能内置了一些更聪明的方法，但是一种方法是将MultiIndex作为元组列表使用，并按照您的描述映射新的列名。

def custom_rename(lvl1, lvl2):
    if lvl1 == 'End Qty.':
        return lvl2
    elif lvl1 == 'Sales Qty.' and lvl2 == 'Total':
        return 'Sales Qty.'
    elif lvl2 == '':
        return lvl1
    else:
        return '_'

然后应用于列并分配：

df.columns = [custom_rename(lvl1, lvl2) for lvl1, lvl2 in df.columns]

上面的'_'用于不再需要的列的标记，因此最后一步是删除这些列。

df = df.drop('_', axis=1)