如何从 pivot_table 生成的数据框的列中删除一个级别？

Question

问题

我有一个类似于下面玩具示例的数据集。

我需要创建一个表格，将项目和期间的每个组合的值相加，并以交叉表/数据透视表格式显示。

如果我使用pandas.crosstab()，我会得到我想要的输出。

如果我使用 pandas.pivot_table，我会得到看起来像是多级索引的列。

如何去掉多级索引？

是的，我可以只使用crosstab，但是（）：

1. 总的来说，我想了解多级索引
2. 有时我 没有“原始”数据，我收到格式的数据 由 pivot_table 生成

我尝试过的

我试过totals_pivot_table.droplevel(0) 但它说只有一层。这是什么意思？

dataframe.columns.droplevel() 不再受支持

示例表

这是 pivot_table 的输出：

+--------+-------+-------+-------+-------+
|        | value | value | value | value |
+--------+-------+-------+-------+-------+
| period |     1 |     2 |     3 | All   |
| item   |       |       |       |       |
| x      |    10 |    11 |    12 | 33    |
| y      |    13 |    14 |    15 | 42    |
| All    |    23 |    25 |    27 | 75    |
+--------+-------+-------+-------+-------+

这是我需要的：

+------+----+----+----+-----+
| item | 1  | 2  | 3  | All |
+------+----+----+----+-----+
| x    | 10 | 11 | 12 |  33 |
| y    | 13 | 14 | 15 |  42 |
| All  | 23 | 25 | 27 |  75 |
+------+----+----+----+-----+

玩具代码

df = pd.DataFrame()

df['item'] = np.repeat(['x','y'],3)
df['period'] = np.tile([1,2,3],2)
df['value'] = np.arange(10,16)

pivot = df.pivot(index ='item', columns ='period', values = None)

totals_pivot_table = df.pivot_table(index ='item', columns = 'period', aggfunc ='sum', margins = True)

totals_ct = pd.crosstab( df['item'], df['period'], values =df['value'] , aggfunc ='sum', margins=True)

Answer 1

更好的是指定values参数：

totals_pivot_table = df.pivot_table(index ='item', 
                                    columns = 'period', 
                                    values='value', 
                                    aggfunc ='sum', 
                                    margins=True)

print (totals_pivot_table)
period   1   2   3  All
item                   
x       10  11  12   33
y       13  14  15   42
All     23  25  27   75

如果不可能，请使用DataFrame.droplevel，但要小心重复的列名：

print (totals_pivot_table.droplevel(0, axis=1))
period   1   2   3  All
item                   
x       10  11  12   33
y       13  14  15   42
All     23  25  27   75

---

df = pd.DataFrame()

df['item'] = np.repeat(['x','y'],3)
df['period'] = np.tile([1,2,3],2)
df['value'] = np.arange(10,16)
df['value1'] = np.arange(7,13)
print (df)
  item  period  value  value1
0    x       1     10       7
1    x       2     11       8
2    x       3     12       9
3    y       1     13      10
4    y       2     14      11
5    y       3     15      12

totals_pivot_table = df.pivot_table(index ='item', 
                                    columns = 'period', 
                                    aggfunc ='sum', 
                                    margins=True)

print (totals_pivot_table)
       value             value1            
period     1   2   3 All      1   2   3 All
item                                       
x         10  11  12  33      7   8   9  24
y         13  14  15  42     10  11  12  33
All       23  25  27  75     17  19  21  57

print (totals_pivot_table.droplevel(0, axis=1))
period   1   2   3  All   1   2   3  All
item                                    
x       10  11  12   33   7   8   9   24
y       13  14  15   42  10  11  12   33
All     23  25  27   75  17  19  21   57

Answer 2

使用 reset_index() 制作 df totals_ct

totals_ct.index 

给予：

Index(['x', 'y', 'All'], dtype='object', name='item')

但是，在制作 totals.ct 时使用 reset_index() 会删除所有三个索引

totals_ct = pd.crosstab( df['item'], df['period'], values =df['value'] , aggfunc ='sum', margins=True).reset_index()

检查结果：

totals_ct.index

给予：

RangeIndex(start=0, stop=3, step=1)

也许这就是你要找的。​​p>

问候一月