如果我有一个多级列索引:
>>> 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
我如何删除索引的“a”级别，所以我最终得到:
b | c
--+---+--
0 | 1 | 2
1 | 3 | 4
当前回答
从Pandas 0.24.0开始，我们现在可以使用datafframe . dropllevel ():
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
如果你想保持你的DataFrame方法链滚动，这是非常有用的。
其他回答
我一直在努力解决这个问题，因为我不知道为什么我的droplevel()函数不工作。通过几个练习，你会发现表中的' a '是列名，' b '， ' c '是索引。这样做会有帮助吗
df.columns.name = None
df.reset_index() #make index become label
删除索引的另一种方法是使用列表推导式:
df.columns = [col[1] for col in df.columns]
b c
0 1 2
1 3 4
如果你想把两个级别的名字组合在一起，这个策略也很有用，就像下面的例子，最底层包含两个“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
删除顶层将留下两个索引为“y”的列。可以通过将名称与列表理解式连接来避免这种情况。
df.columns = ['_'.join(col) for col in df.columns]
A_x A_y B_y
0 1 2 8
1 3 4 9
这是我在做分组后遇到的一个问题，我花了一段时间才找到另一个解决它的问题。我把这个解用在了具体的情况下。
另一种方法是根据df的横截面重新分配df，使用.xs方法。
>>> 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
从Pandas 0.24.0开始，我们现在可以使用datafframe . dropllevel ():
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
如果你想保持你的DataFrame方法链滚动，这是非常有用的。
你可以使用multiindex . dropllevel:
>>> 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]
