读取 excel 并重新格式化 Pandas 中的多索引标题

Question

给定一个excel文件，格式如下：

阅读pd.read_clipboard，我明白了：

   year      2018 Unnamed: 2      2019 Unnamed: 4
0  city  quantity      price  quantity      price
1    bj        10          2         4          7
2    sh         6          8         3          4

只是想知道是否可以使用 Pandas 转换为以下格式：

   year city  quantity  price
0  2018   bj        10      2
1  2019   bj         4      7
2  2018   sh         6      8
3  2019   sh         3      4

Answer 1

我认为这里最好将 excel 文件转换为 DataFrame 并使用 MultiIndex in columns 和第一列作为索引：

df = pd.read_excel(file, header=[0,1], index_col=[0])

print (df)
year     2018           2019      
city quantity price quantity price
bj         10     2        4     7
sh          6     8        3     4

print (df.columns)
MultiIndex([('2018', 'quantity'),
            ('2018',    'price'),
            ('2019', 'quantity'),
            ('2019',    'price')],
           names=['year', 'city'])

然后通过DataFrame.stack重塑，通过DataFrame.swaplevel更改级别顺序，通过DataFrame.rename_axis设置索引和列名，最后将index转换为列，如果需要，将年份转换为整数：

df1 = (df.stack(0)
         .swaplevel(0,1)
         .rename_axis(index=['year','city'], columns=None)
         .reset_index()
         .assign(year=lambda x: x['year'].astype(int)))
print (df1)
   year city  price  quantity
0  2018   bj      2        10
1  2019   bj      7         4
2  2018   sh      8         6
3  2019   sh      4         3