MultiIndex 中的新級別 DataFrame 基於現有列級別值

Question

假設我有一個這樣的 DataFrame：

df = pd.DataFrame(data = [[1,2,3,4,5,6], [3,4,5,6,7,8]], 
                  columns = pd.MultiIndex.from_product([('A1', 'B1', 'A2'), (10,20)], names=['level_0','level_1']))

它是這樣的： DataFrame 圖片

我想在包含1的列中添加一個新級別，其中level_0值包含"1"和2 ，其中 level_0 值包含"2" 。 所以，基本上：

• 其中level_0 == "A1" --> new_level = 1
• 其中level_0 == "B1" --> new_level = 1
• 其中level_0 == "A2" --> new_level = 2

關於如何做的任何建議？

Answer 1

您可以使用正則表達式（ (\d+)$ = 值的最后幾位）提取值，並使用 MultiIndex.from_arrays 重新處理MultiIndex.from_arrays ：

values = df.columns.get_level_values('level_0').str.extract('(\d+)$', expand=False)
# ['1', '1', '1', '1', '2', '2']

df.columns = pd.MultiIndex.from_arrays([*zip(*df.columns.to_list()), values],
                                       names=[*df.columns.names, 'level_2']
                                      )

注意。 這推廣到任何 XXX00 值

output：

level_0 A1    B1    A2   
level_1 10 20 10 20 10 20
level_2  1  1  1  1  2  2
0        1  2  3  4  5  6
1        3  4  5  6  7  8

Answer 2

使用 lsit 理解從第一級值中提取數字並通過 MultiIndex.from_tuples 創建新的MultiIndex.from_tuples ：

import re

df.columns = pd.MultiIndex.from_tuples([(re.findall(r'(\d+)$', x[0])[0], *x) 
                                         for x in df.columns.tolist()], 
                                       names=('new_level',*df.columns.names))
print (df)

new_level  1           2   
level_0   A1    B1    A2   
level_1   10 20 10 20 10 20
0          1  2  3  4  5  6
1          3  4  5  6  7  8