python - 在 pandas DataFrame 中删除列级别的方法链接解决方案

Question

在 reshape 和查询我在 pandas DataFrames 中的数据时，我使用了很多方法链接。有时会为索引(行)和列创建额外的和不必要的级别。如果是这样，例如在索引(行轴)上，这很容易通过使用 DataFrame.reset_index() 解决:

df.query('some query')
   .apply(cool_func)
   .reset_index('unwanted_index_level',drop=True) # <====
   .apply(another_cool_func)

reset_index 函数允许继续链式方法并继续使用 DataFrame。

然而，我从未找到 column_axis 的等效解决方案。到底有没有？

Answer 1

您可以堆叠列(将其移动到索引)并使用drop=True调用reset_index，或者您可以编写一个reset_columns() 方法使用 reset_index() 作为起点(参见 frame.py#L2940)

df.query('some query')
   .apply(cool_func)
   .stack(level='unwanted_col_level_name')
   .reset_index('unwanted_col_level_name',drop=True)
   .apply(another_cool_func)

---

备选方案:猴子补丁解决方案

def drop_column_levels(self, level=None, inplace=False):
        """
        For DataFrame with multi-level columns, drops one or more levels.
        For a standard index, or if dropping all levels of the MultiIndex, will revert
        back to using a classic RangeIndexer for column names.

        Parameters
        ----------
        level : int, str, tuple, or list, default None
            Only remove the given levels from the index. Removes all levels by
            default
        inplace : boolean, default False
            Modify the DataFrame in place (do not create a new object)

        Returns
        -------
        resetted : DataFrame
        """
        if inplace:
            new_obj = self
        else:
            new_obj = self.copy()

        new_columns = pd.core.common._default_index(len(new_obj.columns))
        if isinstance(self.index, pd.MultiIndex):
            if level is not None:
                if not isinstance(level, (tuple, list)):
                    level = [level]
                level = [self.index._get_level_number(lev) for lev in level]
                if len(level) < len(self.columns.levels):
                    new_columns = self.columns.droplevel(level)

        new_obj.columns = new_columns
        if not inplace:
            return new_obj

# Monkey patch the DataFrame class
pd.DataFrame.drop_column_levels = drop_column_levels