Pandas多层索引降级：直接去除与合并列名的两种实用方法
发布时间：2026-10-13| 5人浏览过
本文介绍在Pandas中处理因多聚合函数生成的多层索引问题。当使用groupby进行复杂聚合时，生成的Column Level具有层次结构，虽利于阅读但不便编程访问。文章详细演示了两种降级方法：一是直接去除外层索引以简化结构，二是将多层列名合并为单层字符串，从而提升代码定位效率。
# 背景介绍 在Pandas使用中，通常不会主动构建多层索引。然而，当对同一字段执行多种不同的聚合运算（如sum、max等）时，生成的列索引会自然形成层级结构。这种结构虽然便于直观阅读数据，却给编程时的定位操作带来不便。 # 数据准备
import pandas as pd import numpy as np df = pd.DataFrame(np.arange(0, 14).reshape(7,2),columns =['a','b'] ) df.a = df.a %3 df['who'] = 'Bob' df.loc[df.a%4==0,'who'] = 'Alice'
| a | b | who | |
|---|---|---|---|
| 0 | 0 | 1 | Alice |
| 1 | 2 | 3 | Bob |
| 2 | 1 | 5 | Bob |
| 3 | 0 | 7 | Alice |
| 4 | 2 | 9 | Bob |
| 5 | 1 | 11 | Bob |
| 6 | 0 | 13 | Alice |
# 对一个字段同时应用3个聚合函数
gp1 = df.groupby('who').agg({'b':[sum,np.max, np.min], 'a':sum})
gp1
| b | a | |||
|---|---|---|---|---|
| sum | amax | amin | sum | |
| who | ||||
| Alice | 8.0 | 7.0 | 1.0 | 0 |
| Bob | 28.0 | 11.0 | 3.0 | 6 |
这种带有层级的索引结构，通过常规方式访问显得不够便捷。下文将介绍两种解决该问题的方法。
#有层次的索引访问方法
gp1.loc['Bob', ('b', 'sum')]
28.0
# 直接去除一层
gp2 = gp1.copy(deep=True) gp2.columns = gp1.columns.droplevel(0) gp2
| sum | amax | amin | sum | |
|---|---|---|---|---|
| who | ||||
| Alice | 8.0 | 7.0 | 1.0 | 0 |
| Bob | 28.0 | 11.0 | 3.0 | 6 |
# 把2层合并到一层
gp3 = gp1.copy(deep=True) gp3.columns = ["_".join(x) for x in gp3.columns.ravel()] gp3
| b_sum | b_amax | b_amin | a_sum | |
|---|---|---|---|---|
| who | ||||
| Alice | 8.0 | 7.0 | 1.0 | 0 |
| Bob | 28.0 | 11.0 | 3.0 | 6 |
以上关于在Pandas中对多层索引进行降级的方法分享完毕，希望能对大家有所帮助，也欢迎继续支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
