熊猫用旧的列名创建一个新的数据框

我需要一些帮助来构建数据。所以我有以下DataFrame（称为df）：熊猫用旧的列名创建一个新的数据框

我想根据Mean_CArea，Mean_CPressure和Mean_Force将我的数据帧分组。但是，我得到了以下结果：

正如你可能会看到列名不0,1,2 NATIVE_RH，ANATOMICAL_RH和NON_ANATOMICAL_RH。有没有办法从原始数据框中获取正确的列名称？

这里是我到目前为止的代码：

def function(self, df): 
    d = dict() 
    for head in df.columns.tolist(): 
     RH, j_mechanics = head 
     if j_mechanics not in d: 
      d[j_mechanics] = df[head] 
     else: 
      d[j_mechanics] = pd.concat([d[j_mechanics],df[head]], axis=1, ignore_index=True) 
    for df_name, df in sorted(d.items()): 
     print(df_name) 
     print(df.head())

提前非常感谢！

来源

2016-07-13 arnold

您是否检查过'groupby'函数？ http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.groupby.html – jbndlr

IIUC您可以通过列（axis=1），并通过第一级使用swaplevel与groupby（level=0）：

df = pd.DataFrame({('B', 'a'): {0: 4, 1: 10}, ('B', 'b'): {0: 5, 1: 11}, ('B', 'c'): {0: 6, 1: 12}, ('A', 'a'): {0: 1, 1: 7}, ('A', 'c'): {0: 3, 1: 9}, ('A', 'b'): {0: 2, 1: 8}}) 

print (df) 
    A   B   
    a b c a b c 
0 1 2 3 4 5 6 
1 7 8 9 10 11 12 
df.columns = df.columns.swaplevel(0,1) 

for i, g in df.groupby(level=0, axis=1): 
    print (g) 
    a  
    A B 
0 1 4 
1 7 10 
    b  
    A B 
0 2 5 
1 8 11 
    c  
    A B 
0 3 6 
1 9 12

来源

2016-07-13 05:48:53 jezrael

非常感谢！这正是我正在寻找的！ – arnold

@arnold如果你觉得这篇文章有用，你可以加入它。 – piRSquared

你想用xs

df.xs('Mean_CArea', axis=1, level=1)

和

df.xs('Mean_CPressure', axis=1, level=1)

和

df.xs('Mean_Force', axis=1, level=1)

来源

2016-07-13 06:07:32 piRSquared

感谢您的帮助！它也可以工作！ – arnold

@arnold如果你觉得这篇文章很有用，你可以加入它。 – piRSquared

熊猫用旧的列名创建一个新的数据框

回答

相关问题