在熊猫中设置多列索引
我这样制作数据框。
df = pd.DataFrame({
'class' : ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
'number' : [1,2,3,4,5,1,2,3,4,5],
'math' : [90, 20, 50, 30, 57, 67, 89, 79, 45, 23],
'english' : [40, 21, 68, 89, 90, 87, 89, 54, 21, 23]
})
我想通过使用一些熊猫方法将索引转换为此（例如set_index，stack 、、）
df1 = pd.DataFrame(np.random.randint(1, 100, (5, 4)),
columns = [['A', 'A', 'B', 'B'],['english', 'math', 'english', 'math']],
index = [1, 2, 3, 4, 5])
我怎样才能做到这一点？
问题答案：
我认为你需要set_index与unstack重塑，然后交换在水平MultiIndex由列swaplevel由去年的排序列sort_index：
df1 = df.set_index(['number','class']).unstack().swaplevel(0,1,1).sort_index(1)
print (df1)
class A B
english math english math
number
1 40 90 87 67
2 21 20 89 89
3 68 50 54 79
4 89 30 21 45
5 90 57 23 23
用另一种解决方案stack和unstack：
print (df.set_index(['number','class']).stack().unstack([1,2]))
class A B
english math english math
number
1 40 90 87 67
2 21 20 89 89
3 68 50 54 79
4 89 30 21 45
5 90 57 23 23
-
问题内容： 假设我用两列（一个DateTime）和一个（整数）创建了一个熊猫DataFrame 。现在，我想根据第一列（）中的值创建一个DatetimeIndex ： 一切似乎都正常，除了我打印DataFrame时，它说它具有Int64Index。 我是在做错事还是不正确理解Indeces的概念？ 问题答案： 没有就位（除非您通过）。否则一切正确 同样作为参考，在即将到来的0.12版本（下周）中，
-
问题内容： 我创建了一个从，当我重新采样一些数据，象这样一个数：其中是： 这产生了一个看起来像这样的系列： 索引看起来像： 我不希望第二列作为索引。理想情况下，我将第1列作为“日期”，将第2列作为“销售”（删除索引的第二层）。我不太清楚如何重新配置索引。 问题答案： 只需致电： 有多种删除列的方法： 调用两次并指定一列： 重置索引后删除列： 重置后致电： 然后，在重置索引后，只需重命名列
-
问题内容： 我有两列，将集存储在数据框中。 我想使用快速向量化操作在两列上执行集合并集 但是错误使我无法这样做，因为我在两列中都输入了内容。 有解决这个问题的好方法吗？ 问题答案： 对于这些操作，纯Python可能更有效。 如果我们可以使用，则可能会花费一半的时间（继承可能不值得）： 时序的DataFrame：
-
问题内容： 我有一个包含多个列的数据集，我希望对其进行一次热编码。但是，我不想为每个编码都有编码，因为所说的列与所说的项目有关。我想要的是一组使用所有列的虚拟变量。请参阅我的代码以获得更好的解释。 假设我的数据框如下所示： 如果我执行 输出将是 但是，我想获得的是这样的东西： 代替具有表示编码，例如多列的和，我只希望有一组（，，等等）与值时任何在列中的值的，，显示出来。 需要说明的是，在我的原始数
-
问题内容： 我有一个带有列“ A”和“ B”的多索引数据框。 有没有一种方法可以通过在多索引的一列上进行过滤而不选择将索引重新设置为单列索引来选择行？ 例如。 问题答案： 一种方法是使用Index方法： 在0.13，你就可以使用与参数： 注意：如果这是列MultiIndex而不是索引，则可以使用相同的技术：
-
问题内容： 因此，我了解到可以使用DataFrame.groupby而不用使用MultiIndex进行子采样/横截面。 另一方面，当我在DataFrame上具有MultiIndex时，仍然需要使用DataFrame.groupby进行子采样/横截面。 那么，除了在打印时非常有用和漂亮地显示层次结构之外，MultiIndex有什么好处？ 问题答案： 在pandas 0.4版本中引入了分级索引（也称为