將 Pandas MultiIndex DataFrame 轉換回原始形式
使用 Pandas DataFrame 時，通常會執行分組操作來聚合資料。然而，分組後，產生的 DataFrame 可能具有多索引層次結構，這可能具有挑戰性。本文討論了一種將多索引 DataFrame 轉換回其原始形式的方法，並使用範例 DataFrame 進行了簡單示範。
問題
給定的範例DataFrame 包含多行數據，其中包含「城市」和「名稱」欄位。我們對 DataFrame 執行 GroupBy 操作，使用 count() 函數以「名稱」和「城市」進行聚合。產生的分組 DataFrame 具有多重索引 ("Name", "City")。
解
將多重索引 DataFrame 轉換回其原始形式，我們可以使用add_suffix()和reset_index()函數。 add_suffix() 函數為列名加上後綴，reset_index() 函數將多重索引轉換為單一索引 DataFrame。
g1.add_suffix('_Count').reset_index()產生的 DataFrame 將包含原始行以及附加的行列「_Count」表示「名稱」和「城市」每個組合的計數。
替代方法
轉換多重索引DataFrame的另一種方法是使用DataFrame()函數和size()函數建立一個新的DataFrame來計算“Name”和「的每個組合的行數City"。
DataFrame({'count' : df1.groupby( [ "Name", "City"] ).size()}).reset_index()此方法不需要使用 add_suffix() 函數，但會產生具有單一「count」列的 DataFrame而不是為多重索引的每個層級單獨的計數列。
透過利用這些方法，可以輕鬆地將多索引 DataFrame 轉換回其原始形式，從而促進進一步的資料操作和分析任務。
以上是如何將 Pandas 多索引資料幀轉換回其原始單索引形式？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
