向多索引添加列级别

Question

我想在我的数据帧中添加一个子级（L4），基于一系列值：

x = [0.01, 0.01, 0.01, 0.02, 0.02, 0.02]

那个测向列把这个还给我：

MultiIndex(levels=[['Foo', 'Bar'], ['A', 'B', 'C'], ['a']],
           labels=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2], [0, 0, 0, 0, 0, 0]],
           names=['L1', 'L2', 'L3'])

到目前为止，我已经尝试过：

df = pd.concat([df], keys=x, names=['L4'], axis=1).swaplevel(i='L4', j='L1', axis=1).swaplevel(i='L4', j='L2', axis=1).swaplevel(i='L4', j='L3', axis=1)

但它并没有给出好的值，它重复了列表级别[0]（0.01）。你知道吗

你知道我怎么做吗？你知道吗

谢谢

Answer 1

这里有一个方法：

cols = pd.MultiIndex(levels=[['Foo', 'Bar'], ['A', 'B', 'C'], ['a']],
       labels=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2], [0, 0, 0, 0, 0, 0]],
       names=['L1', 'L2', 'L3'])

pd.DataFrame(columns = cols).T\
  .assign(x = [0.01, 0.01, 0.01, 0.02, 0.02, 0.02])\
  .set_index('x', append=True).T

输出：

Answer 2

您可以创建一个以列索引为索引的数据帧，data是您想要添加的级别，因为set_index(append=True)只为行索引定义。然后给它赋值df.columns = ...

import pandas as pd

idx = pd.MultiIndex(levels=[['Foo', 'Bar'], ['A', 'B', 'C'], ['a']],
                codes=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2], [0, 0, 0, 0, 0, 0]],
                names=['L1', 'L2', 'L3'])
x = [0.01, 0.01, 0.01, 0.02, 0.02, 0.02]

pd.DataFrame(x, index=idx, columns=['L4']).set_index('L4', append=True).index
#MultiIndex([('Foo', 'A', 'a', 0.01),
#            ('Foo', 'B', 'a', 0.01),
#            ('Foo', 'C', 'a', 0.01),
#            ('Bar', 'A', 'a', 0.02),
#            ('Bar', 'B', 'a', 0.02),
#            ('Bar', 'C', 'a', 0.02)],
#           names=['L1', 'L2', 'L3', 'L4'])

---

在引擎盖下set_index只是在追加时重新创建整个多索引，因此需要一种更实际的方法

arrays = []
for i in range(idx.nlevels):
    arrays.append(idx.get_level_values(i))

arrays.append(pd.Index(x, name='L4'))  # Add the new level

new_idx = pd.MultiIndex.from_arrays(arrays)
#MultiIndex([('Foo', 'A', 'a', 0.01),
#            ('Foo', 'B', 'a', 0.01),
#            ('Foo', 'C', 'a', 0.01),
#            ('Bar', 'A', 'a', 0.02),
#            ('Bar', 'B', 'a', 0.02),
#            ('Bar', 'C', 'a', 0.02)],
#           names=['L1', 'L2', 'L3', 'L4'])