如何將一級 pandas MultiIndex 列轉換為獨立列？

Question

我有一個 dataframe 和一個 MultiIndex 列，它有兩個級別，如下所示：

import pandas as pd
df = pd.DataFrame(
    np.arange(16).reshape(4,4),
    columns=pd.MultiIndex.from_tuples(
        (("ID1", "Field1"), ("ID1", "Field2"), ("ID2", "Field1"), ("ID2", "Field2"),))
    )
df.insert(0, "Date", pd.bdate_range("2021-11-01", "2021-11-04"))
df

Date            ID1             ID2
                Field1  Field2  Field1  Field2
0   2021-11-01  0       1       2       3
1   2021-11-02  4       5       6       7
2   2021-11-03  8       9       10      11
3   2021-11-04  12      13      14      15

我正在嘗試將 MultiIndex 列的級別 0 轉換為另一個名為“ID”的列，以便 dataframe 看起來像這樣：

df1 = pd.DataFrame(
    np.arange(16).reshape(8,2),
    columns=["Field1", "Field2"]
)
df1.insert(0, "ID", ["ID1", "ID2"]*4)
df1.insert(0, "Date", pd.bdate_range("2021-11-01", "2021-11-04").repeat(2))
df1

    Date        ID      Field1  Field2
0   2021-11-01  ID1     0       1
1   2021-11-01  ID2     2       3
2   2021-11-02  ID1     4       5
3   2021-11-02  ID2     6       7
4   2021-11-03  ID1     8       9
5   2021-11-03  ID2     10      11
6   2021-11-04  ID1     12      13
7   2021-11-04  ID2     14      15

我嘗試使用熔體 function

df.melt(col_level=0, id_vars=["日期"])

但這會將 Field1 和 Field2 組合成一列，而不是根據需要將它們作為單獨的列。

任何建議，將不勝感激。 謝謝！

Answer 1

您可以嘗試以下方法：

out = (df
       .set_index('Date')
       .stack(level=0)
       .reset_index()
       .rename({'level_1': 'ID'}, axis=1))
print(out)

它給：

        Date   ID  Field1  Field2
0 2021-11-01  ID1       0       1
1 2021-11-01  ID2       2       3
2 2021-11-02  ID1       4       5
3 2021-11-02  ID2       6       7
4 2021-11-03  ID1       8       9
5 2021-11-03  ID2      10      11
6 2021-11-04  ID1      12      13
7 2021-11-04  ID2      14      15

Answer 2

這是另一種方式：

df = pd.pivot(df.melt(id_vars=['Date'], var_name=['ID','Fields']),index=['Date','ID'],columns='Fields', values='value').reset_index()

print(df)

output：

Fields       Date   ID  Field1  Field2
0      2021-11-01  ID1       0       1
1      2021-11-01  ID2       2       3
2      2021-11-02  ID1       4       5
3      2021-11-02  ID2       6       7
4      2021-11-03  ID1       8       9
5      2021-11-03  ID2      10      11
6      2021-11-04  ID1      12      13
7      2021-11-04  ID2      14      15