将数据排序为多索引数据帧

Question

如何将DataFrame中的数据排序为对索引和列使用MultiIndex的DataFrame？

例如，从以下转换：

     0    1  2     3     4
0  foo  two  A  2.30  0.01
1  foo  one  A  4.12  0.13
2  bar  two  B  9.89  3.66
3  foo  one  A  2.11  9.48
4  bar  two  A  1.07  5.55

对此：

            A           B      
            1     2     1     2
foo one  2.11  9.48   NaN   NaN
    two   2.3  0.01   NaN   NaN
bar one   NaN   NaN   NaN   NaN
    two  1.07  5.55  9.89  3.66

目前我正在迭代df1每一行并更新df2的值，但我想要一个比这更有效的方法：

for index, row in df1.iterrows():
    df2.loc[(row[0], row[1]), row[2]] = list(row[3:])

Answer 1

您可以使用：

def f(x):
    return pd.DataFrame({'a':x.values.ravel()}).rename(lambda x: x + 1)

df = df.groupby([0,1,2])[3,4].apply(f)['a'].unstack([2,3]).sort_index(level=0, axis=1)
df = df.rename_axis((None, None),axis=1).reindex(pd.MultiIndex.from_product(df.index.levels))
print (df)
            A                       B      
            1     2     3     4     1     2
bar one   NaN   NaN   NaN   NaN   NaN   NaN
    two  1.07  5.55   NaN   NaN  9.89  3.66
foo one  4.12  0.13  2.11  9.48   NaN   NaN
    two  2.30  0.01   NaN   NaN   NaN   NaN

说明 ：

1. 对于每个组，前3列使用DataFrame apply自定义函数，也从1开始增加索引值

2. 通过重塑unstack和排序Multiindex由列sort_index

3. 删除列名称（左下角为2 ），并通过reindex和MultiIndex.from_product索引中的缺失MultiIndex添加到MultiIndex中