熊猫:是否有办法使用“ droplevel”之类的方法,并在处理过程中使用掉级标签作为前缀/后缀来重命名另一个级别?

发布于 2021-01-29 16:07:42

以下查询的屏幕截图:

分组查询

有没有一种方法可以轻松地放下上层列索引和有标签,如单级points_prev_amaxpoints_prev_amingf_prev_amaxgf_prev_amin等?

关注者
0
被浏览
48
1 个回答
  • 面试哥
    面试哥 2021-01-29
    为面试而生,有面试问题,就找面试哥。

    使用list comprehension用于设置新的列名:

    df.columns = df.columns.map('_'.join)
    
    Or:
    
    df.columns = ['_'.join(col) for col in df.columns]
    

    样品:

    df = pd.DataFrame({'A':[1,2,2,1],
                       'B':[4,5,6,4],
                       'C':[7,8,9,1],
                       'D':[1,3,5,9]})
    
    print (df)
       A  B  C  D
    0  1  4  7  1
    1  2  5  8  3
    2  2  6  9  5
    3  1  4  1  9
    
    df = df.groupby('A').agg([max, min])
    
    df.columns = df.columns.map('_'.join)
    print (df)
       B_max  B_min  C_max  C_min  D_max  D_min
    A                                          
    1      4      4      7      1      9      1
    2      6      5      9      8      5      3
    

    print (['_'.join(col) for col in df.columns])
    ['B_max', 'B_min', 'C_max', 'C_min', 'D_max', 'D_min']
    
    df.columns = ['_'.join(col) for col in df.columns]
    print (df)
       B_max  B_min  C_max  C_min  D_max  D_min
    A                                          
    1      4      4      7      1      9      1
    2      6      5      9      8      5      3
    

    如果需要prefix元组的简单交换项:

    df.columns = ['_'.join((col[1], col[0])) for col in df.columns]
    print (df)
       max_B  min_B  max_C  min_C  max_D  min_D
    A                                          
    1      4      4      7      1      9      1
    2      6      5      9      8      5      3
    

    另一个解决方案:

    df.columns = ['{}_{}'.format(i[1], i[0]) for i in df.columns]
    print (df)
       max_B  min_B  max_C  min_C  max_D  min_D
    A                                          
    1      4      4      7      1      9      1
    2      6      5      9      8      5      3
    

    如果lenof列很大(10 ^ 6),则使用to_seriesstr.join

    df.columns = df.columns.to_series().str.join('_')
    


知识点
面圈网VIP题库

面圈网VIP题库全新上线,海量真题题库资源。 90大类考试,超10万份考试真题开放下载啦

去下载看看