在 Pandas 的列中展平層次索引

Luqman Khan 2023年1月30日 2022年5月16日
  1. 使用 rest_index() 在 Pandas 的列中展平層次索引
  2. 使用 as_index 在 Pandas 的列中展平層次索引
在 Pandas 的列中展平層次索引

本文將討論如何在 Pandas Dataframe 列中展平分層索引。

Groupby 聚合函式通常用於建立分層索引。使用的聚合函式將在結果 DataFrame 的分層索引中可見。

我們將使用不同的函式來解釋如何在列中展平層次索引。

使用 rest_index() 在 Pandas 的列中展平層次索引

Pandas 中的 reset_index() 函式將 groupby 聚合函式建立的分層索引展平。

語法:

pandas.DataFrame.reset_index(level, drop, inplace)

其中,

  • level:僅從索引中刪除指示的級別。
  • drop:索引重置為預設整數索引。
  • inplace:不復制,永久修改 DataFrame 物件。

我們使用 Pandas groupby() 函式按季度對巴士銷售資料進行分組,並使用 reset_index() pandas 函式來展平分組 DataFrame 的分層索引列。

首先,匯入 Python Pandas 庫,然後建立一個簡單的 DataFrame。DataFrame 儲存在 data_bus 變數中。

import pandas as pd
data_bus = pd.DataFrame({"bus": ["2x", "3Tr", "4x", "5x"],
                    "bus_sale_q1": [21, 23, 25, 27],
                    'bus_sale_q2': [12, 14, 16, 18]}
                    columns=["bus", "bus_sale_q1",
                            'bus_sale_q2'])
data_bus

輸出:

     bus    bus_sale_q1    bus_sale_q2
0    2x     21             12
1    3Tr    23             14
2    4x     25             16
3    5x     27             18

上面的輸出顯示了建立的簡單 DataFrame。之後,使用 groupby() 函式根據銷售額 q1 和 q2 的總和對匯流排列進行分組。

grouped_data = data_bus.groupby(by="bus").agg("sum")
grouped_data

輸出:

bus    bus_sale_q1    bus_sale_q2
2x     21             12
3Tr    23             14
4x     25             16
5x     27             18

我們將使用 reset_index() 函式來展平分層索引列。

flat_data = grouped_data.reset_index()
flat_data

輸出:

     bus    bus_sale_q1    bus_sale_q2
0    2x     21             12
1    3Tr    23             14
2    4x     25             16
3    5x     27             18

使用 as_index 在 Pandas 的列中展平層次索引

pandas groupby() 函式將用於按季度對巴士銷售資料進行分組,而 as_index 將展平分組 DataFrame 的分層索引列。

語法:

pandas.DataFrame.groupby(by, level, axis, as_index)

其中,

  • level:必須對其執行 groupby 操作的列。
  • by:必須對其執行 groupby 操作的列。
  • axis:是否沿行 (0) 或列 (1) 拆分。
  • as_index:對於聚合輸出,返回帶有索引組標籤的物件。

我們將使用 Pandas groupby() 函式按季度對巴士銷售資料進行分組,並將 as_index 引數設定為 False。這確保了分組 DataFrame 的分層索引是扁平的。

將使用與上一個示例相同的 DataFrame。

例子:

import pandas as pd
data_bus = pd.DataFrame({"bus": ["2x", "3Tr", "4x", "5x"],
                    "bus_sale_q1": [21, 23, 25, 27],
                    'bus_sale_q2': [12, 14, 16, 18]},

                    columns=["bus", "bus_sale_q1",
                            'bus_sale_q2'])
data_bus
grouped_data = data_bus.groupby(by="bus", as_index=False).agg("sum")
print(grouped_data)

輸出:

     bus    bus_sale_q1    bus_sale_q2
0    2x     21             12
1    3Tr    23             14
2    4x     25             16
3    5x     27             18

相關文章 - Pandas Column