pandas pivot table 重命名列

Question

如何在pandas数据透视操作后重命名具有多个级别的列？

下面是一些生成测试数据的代码：

import pandas as pd
df = pd.DataFrame({
    'c0': ['A','A','B','C'],
    'c01': ['A','A1','B','C'],
    'c02': ['b','b','d','c'],
    'v1': [1, 3,4,5],
    'v2': [1, 3,4,5]})

print(df)

给出一个测试数据框：

   c0 c01 c02  v1  v2
0  A   A   b   1   1
1  A  A1   b   3   3
2  B   B   d   4   4
3  C   C   c   5   5

应用枢轴

df2 = pd.pivot_table(df, index=["c0"], columns=["c01","c02"], values=["v1","v2"])
df2 = df2.reset_index()

给予

如何通过连接级别来重命名列？带格式 <c01 value>_<c02 value>_<v1>

例如第一列应该是这样的 "A_b_v1"

加入关卡的顺序对我来说并不重要。

Answer 1

如果您想将 multi-index 合并为单个字符串索引而不关心索引级别顺序，您可以简单地 map 对列使用 join 函数，然后分配返回结果列表：

df2.columns = list(map("_".join, df2.columns))

对于你的问题，你可以遍历每个元素都是一个元组的列，解压元组并按照你想要的顺序将它们连接回去：

df2 = pd.pivot_table(df, index=["c0"], columns=["c01","c02"], values=["v1","v2"])

# Use the list comprehension to make a list of new column names and assign it back
# to the DataFrame columns attribute.
df2.columns = ["_".join((j,k,i)) for i,j,k in df2.columns]
df2.reset_index()

pandas pivot table 重命名列

pandas pivot table rename columns

python

pivot

pivot-table

data-mining

pandas