パンダ：マルチレベルの列インデックスからレベルをドロップしますか？

マルチレベルの列インデックスがある場合：

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> pd.DataFrame([[1,2], [3,4]], columns=cols)

    a
   --- +-
    b | c
-+ --- +-
0 | 1 | 2
1 | 3 | 4

そのインデックスの「a」レベルを削除するにはどうすればよいですか？

    b | c
-+ --- +-
0 | 1 | 2
1 | 3 | 4

使用できますMultiIndex.droplevel：

>>> cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
>>> df = pd.DataFrame([[1,2], [3,4]], columns=cols)
>>> df
   a   
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]
>>> df.columns = df.columns.droplevel()
>>> df
   b  c
0  1  2
1  3  4

[2 rows x 2 columns]

インデックスを削除する別の方法は、リスト内包表記を使用することです。

df.columns = [col[1] for col in df.columns]

   b  c
0  1  2
1  3  4

この戦略は、下のレベルに2つの「y」が含まれる次の例のように、両方のレベルの名前を組み合わせる場合にも役立ちます。

cols = pd.MultiIndex.from_tuples([("A", "x"), ("A", "y"), ("B", "y")])
df = pd.DataFrame([[1,2, 8 ], [3,4, 9]], columns=cols)

   A     B
   x  y  y
0  1  2  8
1  3  4  9

最上位を削除すると、2つの列にインデックス「y」が残ります。名前をリスト内包表記と結合することで、これを回避できます。

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

    A_x A_y B_y
0   1   2   8
1   3   4   9

それは私がグループバイをした後に私が抱えていた問題であり、それを解決するこの他の質問を見つけるのにしばらく時間がかかりました。ここでは、そのソリューションを特定のケースに適合させました。

これを行う別の方法は、.xsメソッドを使用dfして、の断面に基づいて再割り当てすることです。df

>>> df

    a
    b   c
0   1   2
1   3   4

>>> df = df.xs('a', axis=1, drop_level=True)

    # 'a' : key on which to get cross section
    # axis=1 : get cross section of column
    # drop_level=True : returns cross section without the multilevel index

>>> df

    b   c
0   1   2
1   3   4

Pandas 0.24.0以降、DataFrame.droplevel（）を使用できるようになりました。

cols = pd.MultiIndex.from_tuples([("a", "b"), ("a", "c")])
df = pd.DataFrame([[1,2], [3,4]], columns=cols)

df.droplevel(0, axis=1) 

#   b  c
#0  1  2
#1  3  4

これは、DataFrameメソッドチェーンのローリングを維持したい場合に非常に役立ちます。

列の名前を変更することでもそれを実現できます。

df.columns = ['a', 'b']

これには手動の手順が含まれますが、特に最終的にデータフレームの名前を変更する場合は、オプションになる可能性があります。

sum level = 1で使用する小さなトリック（level = 1がすべて一意の場合に機能）

df.sum(level=1,axis=1)
Out[202]: 
   b  c
0  1  2
1  3  4

より一般的な解決策 get_level_values

df.columns=df.columns.get_level_values(1)
df
Out[206]: 
   b  c
0  1  2
1  3  4

droplevel（）関数が機能しない理由がわからないため、この問題に苦労しました。いくつかを調べて、テーブルの「a」が列名で「b」、「c」がインデックスであることを確認してください。このようにしてください

df.columns.name = None
df.reset_index() #make index become label