Pandas 数据透视表和额外的索引级别

Question

首先，我是唯一一个对 pivot_table 创建额外级别的索引/列名称感到非常沮丧的人吗？ 我从来没有使用过pivot_tables并且想要一个平面数据帧类型以外的任何东西，但是每次我使用它时我都被迫重置索引，找出列名等。

这是一个示例，我有一个如下所示的数据框：

geography variable_type t0 t1 t2 t3
geo1      var1          1  3  4  8
geo1      var2          8  9  3  1
geo2      var1          4  7  9  4
geo2      var2          1  8  3  5

我想要完成的是：

geography time var1 var2
geo1      0    1    8
geo1      1    3    9
geo1      2    4    3
geo1      3    8    1
geo2      0    4    1
geo2      1    7    8
geo2      2    9    3
geo2      3    4    5

到目前为止我的代码：

pd.melt(df,id_vars=['geography','variable_type']).pivot_table(index=['geography','variable'],columns='variable_type')

这给了我一些地理和变量看起来是索引的东西，并且列似乎是不同的变量，但它们似乎具有“值”的父级别和“variable_type”的名称。 如果我添加一个 reset_index() 像这样：

pd.melt(df,id_vars=['geography','variable_type']).pivot_table(index=['geography','variable'],columns='variable_type').reset_index()

然后我最终得到的变量仍然具有“variable_type”的名称和“value”的父级别，而索引已解析并且为 0-n。

所以我的问题是：

1. 我现在如何解决这个问题？ 我想要一个看起来像 csv 或数据库表或任何其他普通数据框的平面数据框。
2. 有没有另一种方法可以不使用pivot_table，或者使用pivot_table 而不引入所有这些我十亿年来从未想要过的新索引级别/名称？

Answer 1

向pivot_table和chain rename_axis添加values选项

df_final =  (pd.melt(df,id_vars=['geography','variable_type'])
               .pivot_table(index=['geography','variable'],columns='variable_type',values='value')
               .reset_index().rename_axis(None,axis=1))

Out[75]:
  geography variable  var1  var2
0      geo1       t0     1     8
1      geo1       t1     3     9
2      geo1       t2     4     3
3      geo1       t3     8     1
4      geo2       t0     4     1
5      geo2       t1     7     8
6      geo2       t2     9     3
7      geo2       t3     4     5