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)
如何删除该索引的“a”级别，所以我最终得到：
乙 | C --+----+-- 0 | 1 | 2 1 | 3 | 4【问题讨论】：
droplevel 作品可以通过参数axis 作用于多级索引或列。
你可以使用MultiIndex.droplevel:
>>> 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]
【讨论】：
>>> df.columns = df.columns.droplevel(0)
df.columns.droplevel() 不再可用。
>>>df.columns = df.columns.droplevel(2) >>>df.columns = df.columns.droplevel(0)
另一种删除索引的方法是使用列表推导：
df.columns = [col[1] for col in df.columns]
b c
0 1 2
1 3 4
如果您想将两个级别的名称组合起来，此策略也很有用，如下例所示，其中底层包含两个“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
删除顶层会留下两列索引为“y”。可以通过将名称与列表推导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
这是我在进行 groupby 后遇到的一个问题，我花了一段时间才找到解决它的 this other question。我根据这里的具体情况调整了该解决方案。
【讨论】：
[col[1] for col in df.columns] 更直接的是df.columns.get_level_values(1)。
[col[0] if col[1] == '' else col[1] for col in df.columns]
从 Pandas 0.24.0 开始，我们现在可以使用 DataFrame.droplevel():
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
如果您想保持 DataFrame 方法链滚动，这非常有用。
【讨论】：
df.droplevel(0, axis='columns') 更加明确易懂
axis=1。
另一种方法是使用.xs 方法根据df 的横截面重新分配df。
>>> 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
【讨论】：
b）上切片，然后删除该层并保留第一层（a），以下方法将起作用：df = df.xs('b', axis=1, level=1, drop_level=True)
您也可以通过重命名列来实现：
df.columns = ['a', 'b']
这涉及手动步骤，但如果您最终要重命名数据框，则可能是一种选择。
【讨论】：
df.columns.get_level_values(1) 提供给您的。
使用sum 与 level=1 的小技巧（当 level=1 是唯一的时工作）
df.sum(level=1,axis=1)
Out[202]:
b c
0 1 2
1 3 4
更常见的解决方案get_level_values
df.columns=df.columns.get_level_values(1)
df
Out[206]:
b c
0 1 2
1 3 4
【讨论】：
我一直在努力解决这个问题，因为我不知道为什么我的 droplevel() 函数不起作用。通过几个工作并了解表中的“a”是列名，“b”、“c”是索引。这样做会有所帮助
df.columns.name = None
df.reset_index() #make index become label
【讨论】：