パンダ-列の階層インデックスをフラット化する方法

（groupby.agg操作からの）軸1（列）に階層インデックスを持つデータフレームがあります。

     USAF   WBAN  year  month  day  s_PC  s_CL  s_CD  s_CNT  tempf       
                                     sum   sum   sum    sum   amax   amin
0  702730  26451  1993      1    1     1     0    12     13  30.92  24.98
1  702730  26451  1993      1    2     0     0    13     13  32.00  24.98
2  702730  26451  1993      1    3     1    10     2     13  23.00   6.98
3  702730  26451  1993      1    4     1     0    12     13  10.04   3.92
4  702730  26451  1993      1    5     3     0    10     13  19.94  10.94

これをフラットにして、次のようにします（名前は重要ではありません-名前を変更できます）。

     USAF   WBAN  year  month  day  s_PC  s_CL  s_CD  s_CNT  tempf_amax  tmpf_amin   
0  702730  26451  1993      1    1     1     0    12     13  30.92          24.98
1  702730  26451  1993      1    2     0     0    13     13  32.00          24.98
2  702730  26451  1993      1    3     1    10     2     13  23.00          6.98
3  702730  26451  1993      1    4     1     0    12     13  10.04          3.92
4  702730  26451  1993      1    5     3     0    10     13  19.94          10.94

どうすればよいですか？（私は何度も試しましたが、役に立ちませんでした。）

提案によると、これはdict形式のヘッドです

{('USAF', ''): {0: '702730',
  1: '702730',
  2: '702730',
  3: '702730',
  4: '702730'},
 ('WBAN', ''): {0: '26451', 1: '26451', 2: '26451', 3: '26451', 4: '26451'},
 ('day', ''): {0: 1, 1: 2, 2: 3, 3: 4, 4: 5},
 ('month', ''): {0: 1, 1: 1, 2: 1, 3: 1, 4: 1},
 ('s_CD', 'sum'): {0: 12.0, 1: 13.0, 2: 2.0, 3: 12.0, 4: 10.0},
 ('s_CL', 'sum'): {0: 0.0, 1: 0.0, 2: 10.0, 3: 0.0, 4: 0.0},
 ('s_CNT', 'sum'): {0: 13.0, 1: 13.0, 2: 13.0, 3: 13.0, 4: 13.0},
 ('s_PC', 'sum'): {0: 1.0, 1: 0.0, 2: 1.0, 3: 1.0, 4: 3.0},
 ('tempf', 'amax'): {0: 30.920000000000002,
  1: 32.0,
  2: 23.0,
  3: 10.039999999999999,
  4: 19.939999999999998},
 ('tempf', 'amin'): {0: 24.98,
  1: 24.98,
  2: 6.9799999999999969,
  3: 3.9199999999999982,
  4: 10.940000000000001},
 ('year', ''): {0: 1993, 1: 1993, 2: 1993, 3: 1993, 4: 1993}}

これを行う最も簡単な方法は、列をトップレベルに設定することだと思います。

df.columns = df.columns.get_level_values(0)

注：toレベルに名前がある場合は、0ではなく、これでアクセスすることもできます。

。

joinMultiIndexを1つのインデックスに結合する場合（列に文字列エントリしかない場合）、次のことができます。

df.columns = [' '.join(col).strip() for col in df.columns.values]

注：strip2番目のインデックスがない場合は、空白を使用する必要があります。

In [11]: [' '.join(col).strip() for col in df.columns.values]
Out[11]: 
['USAF',
 'WBAN',
 'day',
 'month',
 's_CD sum',
 's_CL sum',
 's_CNT sum',
 's_PC sum',
 'tempf amax',
 'tempf amin',
 'year']

pd.DataFrame(df.to_records()) # multiindex become columns and new index is integers only

このスレッドの現在の回答はすべて少し古くなっているはずです。とおりpandasバージョン0.24.0、.to_flat_index()何が必要ありません。

パンダ自身のドキュメントから：

MultiIndex.to_flat_index（）

MultiIndexをレベル値を含むタプルのインデックスに変換します。

ドキュメントからの簡単な例：

import pandas as pd
print(pd.__version__) # '0.23.4'
index = pd.MultiIndex.from_product(
        [['foo', 'bar'], ['baz', 'qux']],
        names=['a', 'b'])

print(index)
# MultiIndex(levels=[['bar', 'foo'], ['baz', 'qux']],
#           codes=[[1, 1, 0, 0], [0, 1, 0, 1]],
#           names=['a', 'b'])

適用to_flat_index()：

index.to_flat_index()
# Index([('foo', 'baz'), ('foo', 'qux'), ('bar', 'baz'), ('bar', 'qux')], dtype='object')

既存のpandas列を置き換えるために使用する

列datを使用したDataFrameでの使用例MultiIndex：

dat = df.loc[:,['name','workshop_period','class_size']].groupby(['name','workshop_period']).describe()
print(dat.columns)
# MultiIndex(levels=[['class_size'], ['count', 'mean', 'std', 'min', '25%', '50%', '75%', 'max']],
#            codes=[[0, 0, 0, 0, 0, 0, 0, 0], [0, 1, 2, 3, 4, 5, 6, 7]])

dat.columns = dat.columns.to_flat_index()
print(dat.columns)
# Index([('class_size', 'count'),  ('class_size', 'mean'),
#     ('class_size', 'std'),   ('class_size', 'min'),
#     ('class_size', '25%'),   ('class_size', '50%'),
#     ('class_size', '75%'),   ('class_size', 'max')],
#  dtype='object')

アンディ・ヘイデンの答えは確かに最も簡単な方法です-列ラベルの重複を避けたい場合は少し調整する必要があります

In [34]: df
Out[34]: 
     USAF   WBAN  day  month  s_CD  s_CL  s_CNT  s_PC  tempf         year
                               sum   sum    sum   sum   amax   amin      
0  702730  26451    1      1    12     0     13     1  30.92  24.98  1993
1  702730  26451    2      1    13     0     13     0  32.00  24.98  1993
2  702730  26451    3      1     2    10     13     1  23.00   6.98  1993
3  702730  26451    4      1    12     0     13     1  10.04   3.92  1993
4  702730  26451    5      1    10     0     13     3  19.94  10.94  1993


In [35]: mi = df.columns

In [36]: mi
Out[36]: 
MultiIndex
[(USAF, ), (WBAN, ), (day, ), (month, ), (s_CD, sum), (s_CL, sum), (s_CNT, sum), (s_PC, sum), (tempf, amax), (tempf, amin), (year, )]


In [37]: mi.tolist()
Out[37]: 
[('USAF', ''),
 ('WBAN', ''),
 ('day', ''),
 ('month', ''),
 ('s_CD', 'sum'),
 ('s_CL', 'sum'),
 ('s_CNT', 'sum'),
 ('s_PC', 'sum'),
 ('tempf', 'amax'),
 ('tempf', 'amin'),
 ('year', '')]

In [38]: ind = pd.Index([e[0] + e[1] for e in mi.tolist()])

In [39]: ind
Out[39]: Index([USAF, WBAN, day, month, s_CDsum, s_CLsum, s_CNTsum, s_PCsum, tempfamax, tempfamin, year], dtype=object)

In [40]: df.columns = ind




In [46]: df
Out[46]: 
     USAF   WBAN  day  month  s_CDsum  s_CLsum  s_CNTsum  s_PCsum  tempfamax  tempfamin  \
0  702730  26451    1      1       12        0        13        1      30.92      24.98   
1  702730  26451    2      1       13        0        13        0      32.00      24.98   
2  702730  26451    3      1        2       10        13        1      23.00       6.98   
3  702730  26451    4      1       12        0        13        1      10.04       3.92   
4  702730  26451    5      1       10        0        13        3      19.94      10.94   




   year  
0  1993  
1  1993  
2  1993  
3  1993  
4  1993

df.columns = ['_'.join(tup).rstrip('_') for tup in df.columns.values]

そして、マルチインデックスの第2レベルからの集約情報を保持したい場合は、これを試すことができます。

In [1]: new_cols = [''.join(t) for t in df.columns]
Out[1]:
['USAF',
 'WBAN',
 'day',
 'month',
 's_CDsum',
 's_CLsum',
 's_CNTsum',
 's_PCsum',
 'tempfamax',
 'tempfamin',
 'year']

In [2]: df.columns = new_cols

map関数を使用するためにこれを行う最もパイソン的な方法。

df.columns = df.columns.map(' '.join).str.strip()

出力print(df.columns)：

Index(['USAF', 'WBAN', 'day', 'month', 's_CD sum', 's_CL sum', 's_CNT sum',
       's_PC sum', 'tempf amax', 'tempf amin', 'year'],
      dtype='object')

Python 3.6以降でf文字列を使用して更新します。

df.columns = [f'{f} {s}' if s != '' else f'{f}' 
              for f, s in df.columns]

print(df.columns)

出力：

Index(['USAF', 'WBAN', 'day', 'month', 's_CD sum', 's_CL sum', 's_CNT sum',
       's_PC sum', 'tempf amax', 'tempf amin', 'year'],
      dtype='object')

私にとって最も簡単で直感的なソリューションは、get_level_valuesを使用して列名を結合することでした。これにより、同じ列で複数の集計を行うときに列名が重複するのを防ぎます。

level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
df.columns = level_one + level_two

列間のセパレータが必要な場合は、これを行うことができます。これは、両方のインデックスレベルの値を持つ列のアンダースコアのみを含む、受け入れられた回答に関するSeiji Armstrongのコメントと同じものを返します。

level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
column_separator = ['_' if x != '' else '' for x in level_two]
df.columns = level_one + column_separator + level_two

これは上記のAndy Haydenの素晴らしい答えと同じことを知っていますが、特に初心者のパンダユーザーにとっては、この方法の方が少し直感的で覚えやすい（このスレッドを参照し続ける必要がないため）と思います。 。

この方法は、3つの列レベルがある場合にも拡張可能です。

level_one = df.columns.get_level_values(0).astype(str)
level_two = df.columns.get_level_values(1).astype(str)
level_three = df.columns.get_level_values(2).astype(str)
df.columns = level_one + level_two + level_three

すべての答えを読んだ後、私はこれを思いつきました：

def __my_flatten_cols(self, how="_".join, reset_index=True):
    how = (lambda iter: list(iter)[-1]) if how == "last" else how
    self.columns = [how(filter(None, map(str, levels))) for levels in self.columns.values] \
                    if isinstance(self.columns, pd.MultiIndex) else self.columns
    return self.reset_index() if reset_index else self
pd.DataFrame.my_flatten_cols = __my_flatten_cols

使用法：

データフレームが与えられた場合：

df = pd.DataFrame({"grouper": ["x","x","y","y"], "val1": [0,2,4,6], 2: [1,3,5,7]}, columns=["grouper", "val1", 2])

  grouper  val1  2
0       x     0  1
1       x     2  3
2       y     4  5
3       y     6  7

• 単一の集計方法：ソースと同じ名前の結果の変数：

  df.groupby(by="grouper").agg("min").my_flatten_cols()

  • df.groupby(by="grouper", as_index = False)または.reset_index（）と同じ.agg(...)

  • ----- before -----
               val1  2
      grouper         
    
    ------ after -----
      grouper  val1  2
    0       x     0  1
    1       y     4  5
    

• 単一のソース変数、複数の集計：統計に基づいて名前が付けられた結果の変数：

  df.groupby(by="grouper").agg({"val1": [min,max]}).my_flatten_cols("last")

  • と同じa = df.groupby(..).agg(..); a.columns = a.columns.droplevel(0); a.reset_index()。

  • ----- before -----
                val1    
               min max
      grouper         
    
    ------ after -----
      grouper  min  max
    0       x    0    2
    1       y    4    6
    

• 複数の変数、複数の集計：（varname）_（statname）という名前の結果の変数：

  df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols()
  # you can combine the names in other ways too, e.g. use a different delimiter:
  #df.groupby(by="grouper").agg({"val1": min, 2:[sum, "size"]}).my_flatten_cols(" ".join)
  

  • 内部a.columns = ["_".join(filter(None, map(str, levels))) for levels in a.columns.values]で実行されます（この形式のagg()結果はMultiIndex列に表示されるため）。
  • my_flatten_colsヘルパーがない場合は、@ Seigi：a.columns = ["_".join(t).rstrip("_") for t in a.columns.values]で提案されたソリューションを入力する方が簡単な場合があります。これは、この場合も同様に機能します（ただし、列に数値ラベルがある場合は失敗します）。
  • 列の数値ラベルを処理するには、@ jxstanfordおよび@Nolan Conaway（a.columns = ["_".join(tuple(map(str, t))).rstrip("_") for t in a.columns.values]）が提案する解決策を使用できますが、tuple()呼び出しが必要な理由がわかりません。またrstrip()、一部の列に("colname", "")（これはreset_index()、修正しようとする前に発生する可能性があります.columns）

  • ----- before -----
               val1           2     
               min       sum    size
      grouper              
    
    ------ after -----
      grouper  val1_min  2_sum  2_size
    0       x         0      4       2
    1       y         4     12       2
    

• 結果の変数に手動で名前を付けたい場合：（pandas 0.20.0以降、0.23 以降適切な代替がないため、これは非推奨です）

  df.groupby(by="grouper").agg({"val1": {"sum_of_val1": "sum", "count_of_val1": "count"},
                                     2: {"sum_of_2":    "sum", "count_of_2":    "count"}}).my_flatten_cols("last")
  

  • その他の提案には、列を手動で設定すること、res.columns = ['A_sum', 'B_sum', 'count']または.join()複数のgroupbyステートメントを実行することが含まれます。

  • ----- before -----
                       val1                      2         
              count_of_val1 sum_of_val1 count_of_2 sum_of_2
      grouper                                              
    
    ------ after -----
      grouper  count_of_val1  sum_of_val1  count_of_2  sum_of_2
    0       x              2            2           2         4
    1       y              2           10           2        12
    

ヘルパー関数が扱うケース

• レベル名は非文字列にすることができます。たとえば、列名が整数の場合、列番号によるインデックスパンダDataFrameを使用できるため、次のように変換する必要があります。map(str, ..)
• 空にすることもできるので、 filter(None, ..)
• 単一レベルの列（つまり、MultiIndex以外のもの）の場合columns.values、名前を返します（strタプルではなく）
• 使用方法によって.agg()は、列の一番下のラベルを保持するか、複数のラベルを連結する必要がある場合があります
• （私はパンダが初めてなので？）reset_index()通常、group-by列を通常の方法で操作できるようにしたいので、デフォルトでそれを行います

複数のレベルと混合タイプを処理する一般的なソリューション：

df.columns = ['_'.join(tuple(map(str, t))) for t in df.columns.values]

少し遅くなるかもしれませんが、列名の重複について心配していない場合：

df.columns = df.columns.tolist()

レベル間の名前に区切り記号が必要な場合、この関数はうまく機能します。

def flattenHierarchicalCol(col,sep = '_'):
    if not type(col) is tuple:
        return col
    else:
        new_col = ''
        for leveli,level in enumerate(col):
            if not level == '':
                if not leveli == 0:
                    new_col += sep
                new_col += level
        return new_col

df.columns = df.columns.map(flattenHierarchicalCol)

@jxstanfordおよび@ tvt173に続いて、string / int列名に関係なく、トリックを実行するクイック関数を作成しました。

def flatten_cols(df):
    df.columns = [
        '_'.join(tuple(map(str, t))).rstrip('_') 
        for t in df.columns.values
        ]
    return df

以下のようにすることもできます。考えてみましょうdf（あなたの例の場合のように）あなたのデータフレームであることができ、そして二つのレベルの指標を前提とします

df.columns = [(df.columns[i][0])+'_'+(datadf_pos4.columns[i][1]) for i in range(len(df.columns))]

私に役立つ簡単な方法を紹介します。

[" ".join([str(elem) for elem in tup]) for tup in df.columns.tolist()]
#df = df.reset_index() if needed

他のDataFrameメソッドのチェーン内のMultiIndexをフラット化するには、次のような関数を定義します。

def flatten_index(df):
  df_copy = df.copy()
  df_copy.columns = ['_'.join(col).rstrip('_') for col in df_copy.columns.values]
  return df_copy.reset_index()

そして、使用pipe方法をした後、データフレーム方式の連鎖でこの機能を適用することgroupbyとaggが、チェーン内の他のメソッドの前に：

my_df \
  .groupby('group') \
  .agg({'value': ['count']}) \
  .pipe(flatten_index) \
  .sort_values('value_count')

別の簡単なルーチン。

def flatten_columns(df, sep='.'):
    def _remove_empty(column_name):
        return tuple(element for element in column_name if element)
    def _join(column_name):
        return sep.join(column_name)

    new_columns = [_join(_remove_empty(column)) for column in df.columns.values]
    df.columns = new_columns