考虑以下 df
和 pd.MultiIndex
col = pd.MultiIndex.from_tuples([('stat1', '', ''), ('stat2', '', ''),
('A', 'mean', 'blue'), ('A', 'mean', 'red'),
('B', 'var', 'blue'), ('B', 'var', 'red')])
df = pd.DataFrame(np.arange(24).reshape(4, 6), list('abcd'), col)
df
我不希望 stat1
和 stat2
位于顶部。我希望它们像这样位于底部:
一个夸张的例子更能说明问题
col = pd.MultiIndex.from_tuples([('a', '', ''), ('', 'b', ''),
('c', 'd', ''), ('e', '', 'f'),
('g', 'h', 'i'), ('', 'j', 'k')])
df = pd.DataFrame(np.arange(24).reshape(4, 6), list('abcd'), col)
df
应该看起来像:
我试过:
c = np.array(col.values.tolist())
c_ = pd.MultiIndex.from_tuples(np.sort(c).tolist())
pd.DataFrame(df.values, df.index, c_)
这是不正确的,因为某些列以我不希望的方式排序。
时机
到目前为止,@root 获得了计时奖。我认为我不太关心更大的指数。这主要是为了报告。
代码
def pir(df):
base = df.columns.to_series().apply(pd.Series).reset_index(drop=True)
rplc = pd.DataFrame(np.where(base == '', None, base))
data = {k:v.dropna()[::-1].reset_index(drop=True) for k, v in rplc.iterrows()}
new_col = pd.MultiIndex.from_tuples(pd.DataFrame(data)[::-1].fillna('').T.values.tolist())
return pd.DataFrame(df.values, df.index, new_col)
def kartik(df):
new_cols = []
for col in df.columns:
col = list(col)
if col[2] == '':
col[2] = col[0]
col[0] = ''
new_cols.append(col)
return pd.DataFrame(df.values, df.index, list(map(list, zip(*new_cols))))
def so44(df):
tuple_list = df.columns.values
new_tuple_list = []
for t in tuple_list:
if t[2] == '':
if t[1] == '':
t = (t[1], t[2], t[0])
else:
t = (t[2], t[0], t[1])
elif t[1] == '' and t[0] != '':
t = (t[1], t[0], t[2])
new_tuple_list.append(t)
return pd.DataFrame(df.values, df.index, pd.MultiIndex.from_tuples(new_tuple_list))
def root(df):
new_cols = [['']*col.count('')+[x for x in col if x] for col in df.columns.values]
return pd.DataFrame(df.values, df.index, pd.MultiIndex.from_tuples(new_cols))
return pd.DataFrame(df.values, df.index, pd.MultiIndex.from_tuples(new_tuple_list))
最佳答案
重新排列每个列元组的通用方法:
new_cols = [['']*col.count('')+[x for x in col if x != ''] for col in df.columns.values]
df.columns = pd.MultiIndex.from_tuples(new_cols)
它可能不如针对特定级别数调整的其他方法那么快,但它很简洁并且应该适用于任意数量的级别。
关于python - 移动 Pandas 多索引值,使它们在非空白下方没有空白,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38882595/