在pandas中使用groupby时还原层次列索引

我在pandas中使用groupby来计算pandas中某些数据框中的列使用层次索引组织的聚合统计信息。对于计算出来的统计数据，我希望最终返回到表格表格，其中组被重新转换为具有组值的列，例如，如：在pandas中使用groupby时还原层次列索引

index = pd.MultiIndex.from_tuples([('A', 'a'), ('B', 'b')]) 
df = pd.DataFrame(np.random.randn(8,2), columns=index)

这导致例如，这个数据帧

  A   B 
      a   b 
0 0.511157 0.334748 
1 0.031113 -0.477456 
2 0.288080 -0.258238 
3 0.138467 -0.955547 
4 -0.087873 0.017494 
5 -0.667393 1.190039 
6 -0.068245 -1.282864 
7 -0.996982 0.589667

现在我计算使用GROUPBY的统计数据和重置索引重新建立一个扁平的数据帧：

df.groupby([('A','a')]).mean().reset_index() 
    (A, a)   B 
        b 
0 -0.996982 0.589667 
1 -0.667393 1.190039 
2 -0.087873 0.017494 
3 -0.068245 -1.282864 
4 0.031113 -0.477456 
5 0.138467 -0.955547 
6 0.288080 -0.258238 
7 0.511157 0.334748

我怎样才能做到这一点('A', 'a')成为多指数的一部分再次，希望以自动方式？或者另有说明：有没有一种方法可以在groupby操作期间保留分层列结构。

来源

2016-05-13 languitar

IIUC您可以重新分配的列值索引。 'dfs = df.groupby（[（'A'，'a'）]）。mean（）。reset_index（）'和'dfs.columns = index' – Abbas

@Abbas但是如果我做更复杂的分组，确保订单始终保留？ – languitar

为自己尝试，它将被保留。 – Abbas

为我工作参数添加到as_index=Falsegroupby：

print df.groupby([('A','a')], as_index=False).mean() 
      A   B 
      a   b 
0 -0.765088 -0.556601 
1 -0.628040 2.074559 
2 -0.516396 -2.028387 
3 -0.152027 0.389853 
4 0.450218 1.474989 
5 0.718040 -0.882018 
6 1.932556 -0.977316 
7 2.028468 -0.875167

来源

2016-05-13 12:38:04 jezrael

不错，我不知道这可以在'groupby'函数中控制。 – languitar

做最简单的事情是重新分配回原来的列：

In [182]: 
df1 = df.groupby([('A','a')]).mean().reset_index() 
df1.columns = df.columns 
df1 

Out[182]: 
      A   B 
      a   b 
0 -0.857465 -0.761948 
1 -0.263677 0.538251 
2 0.067710 -1.038906 
3 0.345584 -0.425514 
4 0.478200 0.119345 
5 0.639305 0.047526 
6 1.528260 1.956677 
7 3.114834 -0.532462

来源

2016-05-13 12:35:49 EdChum

在pandas中使用groupby时还原层次列索引

回答

相关问题