将DataFrame列组织到MultiIndex中

Question

我想将数据框的列组织成组。 通常，当我进行分析时，我可能会遇到标识符变量，自变量和因变量之类的东西，并且我认为在组织上将所有这些变量放到共同的标题下是很不错的。

这是一个例子

import string
import pandas as pd

df = pd.DataFrame({"a": list(string.ascii_lowercase[:5]),
               "b" : np.arange(0,5), 
               "c":list(string.ascii_uppercase[:5]), 
               "d" : np.arange(5,10)})
index1 = pd.MultiIndex.from_product([["Letter"], ["a","c"]])
index2 = pd.MultiIndex.from_product([["Number"], ["b", "d"]])
index = index1.union(index2)
df.columns = index

这并不完全有效。

    Letter  Number
    a   c   b   d
0   a   0   A   5
1   b   1   B   6
2   c   2   C   7
3   d   3   D   8
4   e   4   E   9

相反，我需要添加

  df = df[index.get_level_values(1)]
  df.columns = index

重新排列列，以便它们在更改索引之前与第二级多索引对齐。 这感觉有些笨拙，我只是想知道是否有更好的方法可以做到这一点。

Answer 1

这是一个很好的解决方案：

import string
import pandas as pd

df = pd.DataFrame({"a": list(string.ascii_lowercase[:5]),
               "b" : np.arange(0,5), 
               "c":list(string.ascii_uppercase[:5]), 
               "d" : np.arange(5,10)})
index1 = pd.MultiIndex.from_product([["Letter"], ["a","c"]])
index2 = pd.MultiIndex.from_product([["Number"], ["b", "d"]])
index = index1.union(index2)
df.columns = index

print(df)
  Letter    Number   
       a  c      b  d
0      a  0      A  5
1      b  1      B  6
2      c  2      C  7
3      d  3      D  8
4      e  4      E  9

扁平化多索引列的更Python方式

df.columns = df.columns.map('_'.join)
print(df)

输出：

Letter_a  Letter_c Number_b  Number_d
0        a         0        A         5
1        b         1        B         6
2        c         2        C         7
3        d         3        D         8
4        e         4        E         9