Pandas: Einen Level aus einem mehrstufigen Spaltenindex entfernen?

Question

Wenn ich einen mehrstufigen Spaltenindex habe:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> pd.DataFrame([[1,2], [3,4]], columns=cols)

    a
   ---+--
    b | c
--+---+--
0 | 1 | 2
1 | 3 | 4

Wie kann ich die Ebene "a" dieses Index entfernen, um folgendes zu erhalten:

    b | c
--+---+--
0 | 1 | 2
1 | 3 | 4

Answer 1

Sie können MultiIndex.droplevel verwenden:

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> df = pd.DataFrame([[1,2], [3,4]], columns=cols)
>>> df
   a   
   b  c
0  1  2
1  3  4

[2 Zeilen x 2 Spalten]
>>> df.columns = df.columns.droplevel()
>>> df
   b  c
0  1  2
1  3  4

[2 Zeilen x 2 Spalten]

Answer 2

Ab Pandas 0.24.0 können wir jetzt DataFrame.droplevel() verwenden:

cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
df = pd.DataFrame([[1,2], [3,4]], columns=cols)

df.droplevel(0, axis=1) 

#   b  c
#0  1  2
#1  3  4

Dies ist sehr nützlich, wenn Sie Ihre DataFrame Methodenkette fortsetzen möchten.

Answer 3

Ein weiterer Weg, den Index zu entfernen, besteht darin, eine Listenabstraktion zu verwenden:

df.columns = [col[1] for col in df.columns]

   b  c
0  1  2
1  3  4

Diese Strategie ist auch nützlich, wenn Sie die Namen aus beiden Ebenen kombinieren möchten, wie im folgenden Beispiel, bei dem die untere Ebene zwei 'y's enthält:

cols = pd.MultiIndex.from_tuples([("A", "x"), ("A", "y"), ("B", "y")])
df = pd.DataFrame([[1,2, 8 ], [3,4, 9]], columns=cols)

   A     B
   x  y  y
0  1  2  8
1  3  4  9

Das Entfernen der oberen Ebene würde zwei Spalten mit dem Index 'y' hinterlassen. Dies kann vermieden werden, indem man die Namen mit der Listenabstraktion zusammenfügt.

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

    A_x A_y B_y
0   1   2   8
1   3   4   9

Das war ein Problem, das ich nach einem Groupby hatte und es hat eine Weile gedauert, um diese andere Frage zu finden, die es gelöst hat. Ich habe diese Lösung speziell auf diesen Fall angepasst.

Answer 4

Eine andere Möglichkeit, dies zu tun, besteht darin, df auf der Grundlage eines Querschnitts von df neu zuzuweisen, unter Verwendung der Methode .xs.

>>> df

    a
    b   c
0   1   2
1   3   4

>>> df = df.xs('a', axis=1, drop_level=True)

    # 'a' : Schlüssel, nach dem der Querschnitt erfolgen soll
    # axis=1 : Querschnitt der Spalte erhalten
    # drop_level=True : gibt den Querschnitt ohne den mehrstufigen Index zurück

>>> df

    b   c
0   1   2
1   3   4

Answer 5

Ein kleiner Trick mit sum mit level=1 (funktioniert, wenn level=1 alle eindeutig ist)

df.sum(level=1,axis=1)
Out[202]: 
   b  c
0  1  2
1  3  4

---

Üblichere Lösung get_level_values

df.columns=df.columns.get_level_values(1)
df
Out[206]: 
   b  c
0  1  2
1  3  4