引言

Pandas是一個功能強(qiáng)大且通用的Python庫，用于數(shù)據(jù)操作和分析。它最有用的特性之一是數(shù)據(jù)透視表，它允許您重塑和匯總數(shù)據(jù)。但是，使用數(shù)據(jù)透視表通常會導(dǎo)致多級（分層）索引，這可能很麻煩。在本文中，我們將探討如何在Pandas中使用透視表后去掉多級索引，使您的數(shù)據(jù)更容易處理和分析。

Pandas中的透視表 Pivot Tables

數(shù)據(jù)透視表是一種強(qiáng)大的數(shù)據(jù)分析工具，允許您以更容易理解和分析的方式轉(zhuǎn)換和匯總數(shù)據(jù)。在Pandas中，pivot_table函數(shù)用于創(chuàng)建數(shù)據(jù)透視表。它提供了一種靈活的方式來分組、聚合和重塑數(shù)據(jù)。

創(chuàng)建透視表

使用pivot_table函數(shù)來創(chuàng)建透視表。基本語法如下：

pivot_table(data, values, index, columns, aggfunc='mean', fill_value=None)

• data: 原始DataFrame。
• values: 要聚合的列名或列名列表。
• index: 作為新DataFrame的行索引的列名或列名列表。
• columns: 作為新DataFrame的列索引的列名或列名列表。
• aggfunc: 聚合函數(shù)，默認(rèn)為’mean’，也可以是列表，對應(yīng)不同的列使用不同的聚合函數(shù)。
• fill_value: 用于填充缺失值的值。

示例

假設(shè)我們有一個DataFrame df，包含列'A', 'B', 'C', 和 'D'，我們想要根據(jù)列'A'和'B'來匯總列'C'的均值：

import pandas as pd

# 示例數(shù)據(jù)
data = {
    'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
    'B': ['one', 'one', 'two', 'two', 'one', 'one'],
    'C': [1, 2, 3, 4, 5, 6],
    'D': [7, 8, 9, 10, 11, 12]
}

df = pd.DataFrame(data)

# 創(chuàng)建透視表
pivot_table = df.pivot_table(values='C', index=['A', 'B'], aggfunc='mean')

透視表是數(shù)據(jù)分析中非常有用的工具，它可以幫助你快速地從不同角度查看和分析數(shù)據(jù)。

去掉多級索引的幾種方法

如果你想要去掉這些多級索引，有幾種方法可以實現(xiàn)：

重置索引（Reset Index）：
使用reset_index方法可以快速去掉DataFrame的多級索引，將其轉(zhuǎn)換為普通的列。如果只想去掉索引的一部分，可以指定level參數(shù)。

df_pivot = df.pivot_table(values='value', index='index1', columns='index2')
df_reset = df_pivot.reset_index()

選擇性重置索引：
如果你只想重置某些級別的索引，可以設(shè)置level參數(shù)，只重置特定的索引級別。

df_reset = df_pivot.reset_index(level='index1')

轉(zhuǎn)換為單一索引：
如果你希望保留索引，但將其轉(zhuǎn)換為單一索引，可以設(shè)置drop參數(shù)為False。

df_reset = df_pivot.reset_index(drop=False)

使用stack和unstack：
如果你的透視表有多個索引級別，并且你想要將它們轉(zhuǎn)換為列，可以使用stack方法。然后，如果需要，可以使用unstack方法將數(shù)據(jù)轉(zhuǎn)換回DataFrame，但這次只有一個索引級別。

df_stacked = df_pivot.stack()
df_unstacked = df_stacked.unstack()

選擇性刪除列：
如果你只是想要刪除某些特定的索引列，可以直接使用列的刪除方法。

df_reset = df_pivot.drop(columns=['index1', 'index2'])

使用melt方法：
melt方法可以將寬格式的DataFrame轉(zhuǎn)換回長格式，并且可以指定哪些列作為索引，哪些列作為值。

df_melted = df_pivot.melt(id_vars=['index1'], value_vars=['index2'], var_name='index2', value_name='value')

選擇哪種方法取決于你的具體需求和數(shù)據(jù)結(jié)構(gòu)。通常，reset_index是最簡單直接的方法，但如果你需要保留索引信息，可能需要考慮其他方法。

以上就是在Pandas中使用透視表后去掉多級索引的方法的詳細(xì)內(nèi)容，更多關(guān)于Pandas去掉多級索引的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論