Pandas：通过组合索引和列名来旋转和展平列答案

【问题标题】：Pandas: pivot and flatten columns by combining index and columns namesPandas：通过组合索引和列名来旋转和展平列
【发布时间】：2019-04-14 07:49:48
【问题描述】：

我想在 Pandas 中旋转一个数据框。我在这里关注文档：https://pandas.pydata.org/pandas-docs/stable/reshaping.html

从此数据框：

         date variable     value
0  2000-01-03        A  0.469112
1  2000-01-04        A -0.282863
2  2000-01-05        A -1.509059
3  2000-01-03        B -1.135632
4  2000-01-04        B  1.212112
5  2000-01-05        B -0.173215
6  2000-01-03        C  0.119209
7  2000-01-04        C -1.044236
8  2000-01-05        C -0.861849
9  2000-01-03        D -2.104569
10 2000-01-04        D -0.494929
11 2000-01-05        D  1.071804

运行df.pivot(index='date', columns='variable', values='value')

给我这个：

variable           A         B         C         D
date                                              
2000-01-03  0.469112 -1.135632  0.119209 -2.104569
2000-01-04 -0.282863  1.212112 -1.044236 -0.494929
2000-01-05 -1.509059 -0.173215 -0.861849  1.071804

我最终得到了一个 MultiIndex 数据框。一张图片可能会更好地描述发生的事情：

但是，我想这样做：

我能找到的所有扁平化多索引的方法最终都会在不同的行上给我 foo 和 bar。你能帮我一下吗？

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

经过几个小时的密集搜索，这是我找到的简单解决方案：

df.columns = [col[0] + f"_r{col[1]}" for col in df.columns]

【讨论】：

现在我明白你需要什么了，最简单的就是使用df.columns = [f"{a}_r{b}" for a, b in df.columns] - 检查编辑后的答案。

【解决方案2】：

我相信您需要add_prefix 来更改列名，然后通过rename_axis 删除column.name 并从索引中添加reset_index 列：

df1 = df.pivot(index='date', columns='variable', values='value')

df1 = df1.add_prefix(df1.columns.name + '_').rename_axis(None, axis=1).reset_index()
print (df1)
         date  variable_A  variable_B  variable_C  variable_D
0  2000-01-03    0.469112   -1.135632    0.119209   -2.104569
1  2000-01-04   -0.282863    1.212112   -1.044236   -0.494929
2  2000-01-05   -1.509059   -0.173215   -0.861849    1.071804

编辑：

如果需要在列中展平 MultiIndex，请使用 list comprehension:

mux = pd.MultiIndex.from_product([["A", "B", "C", "D"], ["X", "Y"]])
df = pd.DataFrame([np.arange(8)], columns=mux)
print(df)
   A     B     C     D   
   X  Y  X  Y  X  Y  X  Y
0  0  1  2  3  4  5  6  7

df.columns = [f"{a}_r{b}" for a, b in df.columns]
print (df)
   A_rX  A_rY  B_rX  B_rY  C_rX  C_rY  D_rX  D_rY
0     0     1     2     3     4     5     6     7

【讨论】：