Pandas 使用多索引列取消堆叠

Question

我有一个 pandas dataframe，可以通过以下方式创建：

pd.DataFrame([[1,'a','green'],[2,'b','blue'],[2,'b','green'],[1,'e','green'],[2,'b','blue']], columns  = ['sales','product','color'], index = ['01-01-2020','01-01-2020','01-02-2020','01-03-2020','01-04-2020'])

看起来像：

我想将具有“颜色”功能的 dataframe 取消堆叠，并通过 [green,blue],[sales,product] 的乘积创建一个多索引，并将现有列作为列多索引的第二级。 dataframe 的索引是日期。 我想要的结果 dataframe 可以使用以下代码创建：

pd.DataFrame([[1,'a',2,'b'],[2,'b',np.nan,np.nan],[1,'e',np.nan,np.nan],[np.nan,np.nan,2,'b']],columns = pd.MultiIndex.from_product([['green','blue'],['sales','product']]), index = ['01-01-2020','01-02-2020','01-03-2020','01-04-2020'])

看起来像：

请注意，由于通用日期索引，生成的 dataframe 将比原始文件短。

在我的一生中，我一直无法弄清楚如何正确旋转/取消堆叠来解决这个问题。 我正在尝试将其应用于非常大的 dataframe，因此性能对我来说是关键。 非常感谢您的帮助！

Answer 1

尝试这个：

df.set_index('color', append=True).unstack().swaplevel(0, 1, axis=1).sort_index(axis=1)

Output：

color         blue         green      
           product sales product sales
01-01-2020       b   2.0       a   1.0
01-02-2020     NaN   NaN       b   2.0
01-03-2020     NaN   NaN       e   1.0
01-04-2020       b   2.0     NaN   NaN

细节：

• 使用append=True “颜色”添加到现有索引
• 取消堆叠最里面的索引级别，“颜色”以将其添加到列中
• 交换多索引列 header 级别并排序

正如@QuangHoang 所说：

df.set_index('color', append=True).stack().unstack([1,2])

哪个更快，

每个循环 4.13 毫秒 ± 274 微秒（平均值 ± 标准偏差。7 次运行，每次 100 次循环）

相对

每个循环 2.78 毫秒 ± 44.7 微秒（平均值 ± 标准偏差。7 次运行，每次 100 次循环）