Pandas 多级索引列扁平化的简洁方式

在本文中，我们将介绍 Pandas 处理多级索引列的一种简洁的扁平化方式，以便更好地进行数据操作、可视化和分析。

阅读更多：Pandas 教程

什么是多级索引列？

在 Pandas 中，多级索引列是指列索引具有两个或以上层级的数据框结构，例如：

在这个例子中，列索引具有两个层级：Level 0 和 Level 1。其中 Level 0 包含 A 和 B 两个元素，Level 1 包含 C 和 D 两个元素。因此，列名实际上是”Level 0-Level 1″的形式。

多级索引列在数据分析中很常见，因为它可以帮助我们表示更为复杂的数据结构，例如带有分组和子分组的数据。

问题

在进行数据分析时，我们通常需要对多级索引列进行操作，例如选择、过滤、排序等。但是，由于多级索引列的名称较长且有嵌套，因此操作起来不太方便。例如：

import pandas as pd
import numpy as np

# 创建一个多级索引列的数据框
arrays = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']),
          np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'])]
df = pd.DataFrame(np.random.randn(4, 8), index=['A', 'B', 'C', 'D'], columns=pd.MultiIndex.from_arrays(arrays, names=('first', 'second')))

这个数据框的列名为：

print(df.columns)

MultiIndex([('bar', 'one'),
            ('bar', 'two'),
            ('baz', 'one'),
            ('baz', 'two'),
            ('foo', 'one'),
            ('foo', 'two'),
            ('qux', 'one'),
            ('qux', 'two')],
           names=['first', 'second'])

想要选择”bar”和”one”两列的数据时，我们需要这样写：

print(df[('bar', 'one')])

这样的处理方式不仅麻烦，而且难以阅读，特别是当列名的层数更多时。

解决方案

Pandas 提供了一种简洁的方式来扁平化多级索引列，即使用 ravel 和 join 方法。例如：

df.columns = ['_'.join(col) for col in df.columns.ravel()]

这个语句将多级索引列扁平化成了用下划线连接起来的单级索引。现在，我们可以轻松地选择”bar_one”这一列的数据：

print(df['bar_one'])

代码解释

• ravel 方法：将多维数组降为一维。例如：

“`python
import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.ravel())

“`

结果为：

“`python
array([1, 2, 3, 4, 5, 6])
“`

在本例中，我们使用 ravel 方法将多级索引列转换为一维数组：

“`python
df.columns.ravel()
“`

• join 方法：以指定字符连接字符串。例如：

“`python
s = '-'.join(['a', 'b', 'c'])
print(s)
“`

结果为：

“`python
a-b-c
“`

在本例中，我们使用 join 方法以下划线连接扁平化后的列名：

“`python
'_'.join(col) for col in df.columns.ravel()
“`

优点

使用 Pandas 的 ravel 和 join 方法扁平化多级索引列具有以下优点：

1. 提高了数据操作的效率和灵活性。扁平化后的列名易于阅读和书写，更容易进行选择、过滤、排序等操作。

2. 方便了数据可视化和展示。扁平化后的列名更适合于制作图表和报表。

3. 降低了代码的复杂度。使用 ravel 和 join 方法可以将多个操作合并为一行代码，使代码更加简洁明了。

总结

本文介绍了 Pandas 扁平化多级索引列的一种简洁方式，即使用 ravel 和 join 方法将多级索引列转换为单级索引。这种方法可以提高数据操作的效率和灵活性，方便数据可视化和展示，降低代码的复杂度。如果你在处理多级索引列时感到不便，不妨尝试一下这种方法。