python – Pandas：有没有办法使用类似’droplevel’的东西并在进程中,使用删除的级别标签重命名另一级

以下查询的屏幕截图：

有没有办法轻松删除上级列索引,并且有一个单一级别的标签,如points_prev_amax,points_prev_amin,gf_prev_amax,gf_prev_amin等等？

解决方法

df.columns = df.columns.map('_'.join)

Or:

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

样品：

df = pd.DataFrame({'A':[1,2,1],'B':[4,5,6,4],'C':[7,8,9,'D':[1,3,9]})

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

如果需要前缀简单的元组交换项：

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

另一种方案：

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

如果列的列数很大(10 ^ 6),那么请使用to_series和str.join：

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

（编辑：安卓应用网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!