Pandas: supprimer un niveau d'un index de colonne à plusieurs niveaux?

Si j'ai un index de colonne à plusieurs niveaux:

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

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

Comment puis-je supprimer le niveau "a" de cet index, donc je me retrouve avec:

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

Vous pouvez utiliser 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]

Une autre façon de supprimer l'index est d'utiliser une compréhension de liste:

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

   b  c
0  1  2
1  3  4

Cette stratégie est également utile si vous souhaitez combiner les noms des deux niveaux comme dans l'exemple ci-dessous où le niveau inférieur contient deux «y»:

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

La suppression du niveau supérieur laisserait deux colonnes avec l'index «y». Cela peut être évité en joignant les noms à la compréhension de la liste.

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

    A_x A_y B_y
0   1   2   8
1   3   4   9

C'est un problème que j'ai eu après avoir fait un groupe et il a fallu un certain temps pour trouver cette autre question qui l'a résolu. J'ai adapté cette solution au cas spécifique ici.

Une autre façon de procéder consiste à réaffecter en dffonction d'une section transversale de df, en utilisant la méthode .xs .

>>> 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

Depuis Pandas 0.24.0 , nous pouvons maintenant utiliser DataFrame.droplevel () :

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

Ceci est très utile si vous souhaitez maintenir le roulement de votre chaîne de méthodes DataFrame.

Vous pouvez également y parvenir en renommant les colonnes:

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

Cela implique une étape manuelle, mais pourrait être une option, surtout si vous renommez éventuellement votre bloc de données.

Un petit truc en utilisant sum avec level = 1 (fonctionne quand level = 1 est unique)

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

Solution plus courante get_level_values

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

J'ai eu du mal avec ce problème car je ne sais pas pourquoi ma fonction droplevel () ne fonctionne pas. Parcourez plusieurs et découvrez que «a» dans votre table est le nom des colonnes et «b», «c» sont index. Faire comme ça vous aidera

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