仅使用 2 列中的某些值的多级索引

Question

早上好！ 我对 pandas/python 很陌生。我目前的 ETL 主要使用 SQL 和 SSIS，但对于新的数据源，它需要在 Excel 中进行繁琐的手动重新格式化。我正在尝试学习 python 以节省数小时的手动工作。报告中的数据极其冗余。我花了好几天的时间试图用一种能返回我需要的信息的方式来表达我需要的东西，但无济于事。

我不能使用我的实际数据，因为它包含 PHI，所以我将给出一个使用客户和订单的类似示例。外部系统生成“MonthlyOrders.xls”报告。导出格式几乎有零灵活性。 .xls 文件扩展名让您了解源环境的过时程度。首先，我将数据加载到数据框中，并按“组”将其拆分为较小的数据框。所以每个df代表一个组。之后的样子是这样的：

一般格式：

index	Name/Date	ID/Item	Price/ 'P'	Billed/'NaaN'	PaidOn/Seller	Total/Dept
1	ClientName	Client ID	'P'	Date Billed	Pmt_received_On	Order Total
2	Order Date	item name	item price	'NaaN'	sold by	dept
3	Same order date	2nd item	price	'Naan'	sold by	dept
4	NextClientName	NextID	'P'	Date Billed	Pmt_received_On	Order Total

数据示例：

Index	Name/Date	ID/Item	Price/ 'P'	Billed/'NaaN'	PaidOn/Seller	Total/Dept
1	Victim, One	VO100	'P'	08/12/2021	08/13/2021	78
2	08/11/2021	books	12	'NaaN'	Mrs. White	The Study
3	08/11/2021	Rope	56	'Naan'	Mrs. White	The Study
4	08/11/2021	Pens	10	'NaaN'	Mrs. White	The Study
5	Second, Dead	SD123	'P'	08/18/2021	08/20/2021	250
6	08/17/2021	Pool Cue	198	'NaaN'	Mr. Green	Billiard Room
7	08/17/2021	Knife	52	'Naan'	Mr. Green	Billiard Room

我想做的是使用客户名称和客户 ID、OrderDate 创建一个多级索引。 也许我可以将 Name:ID 作为字典并将其用作第一级索引，然后日期将成为下一个级别。我不确定我是否可以这样做。

或者，我想将第一列和第二列分成四列（名称、ID、orderDate、Item）。我不使用“订单总计”列。数据进入 Billing_Import 临时表，然后在数据仓库中进一步操作和转换。目标表的结构如下：

RecID	Group	ClientName	OrderDate	ClientID	ItemID	desc	ChgAmt	pmtAmt	seller	dept

在 SSIS 中添加了“RecID”，并在使用 SQL 导入后从“Desc”列中拆分出“Item ID”。我计划在每个数据框中添加一个“组”列，这样我就知道哪些数据属于哪个组。目前，这些组位于单独的数据框中。

订单的“部门”始终相同。几乎总是只有一个“卖家”，但如果一个订单上有 2 个卖家，则会添加另一条记录。

我想要的格式是这样的：

Group	ID	Name	OrderDate	ItemDesc	Charge	Pmt	Seller	Department
Group1
	ID1a	Name1a	1/1/2021	item1	$x	$y	Ms. Scarlet	The Lounge
				item2	$x	$y	Ms. Scarlet
				item3	$x	$y	Ms. Scarlet
	ID2a	Name2b	1/15/2021	item1	$x	$y	Mrs. Peacock	The Kitchen
				item2	$x	$y	Mrs. Peacock
Group2
	ID2a	Name2a	1/22/2021	item1	$x	$y	Wadsworth	The Cellar
				item2	$x	$y	Wadsworth
	ID2a	Name2a	1/22/2021	item1	$x	$y	Col. Mustard	The Cellar

非常感谢任何和所有建议！

最诚挚的问候，

科里

Answer 1

第一步是将列分隔成类似于以下的格式：

index	name	date	ID	item	price	billed	paid_on	seller	total	dept
1	John	10/20/21	1234	socks	10	10/12/21	10/20/21	James	10	garments

完成此步骤后，您可以使用以下方法创建多索引：

df_muti_index = df.set_index(['ID', 'name', 'date'])