dataframe 多层索引 多重索引 多个列 自动对列排序 交换索引等级 改变多层索引等级 多层索引查询

https://www.cnblogs.com/beyondChan/p/10926788.html

b

多层索引变一层

df1.columns = ['_'.join(col) for col in df1.columns.values]

增加一行/列

a.loc[:, ('支付买家数')] = b

a

b

变为多层索引

b2 = b.set_index(['用户手机号', '月份']).unstack('月份')
b2

交换索引等级

b3 = b2.swaplevel(axis=1)
b3

swaplevel(i=-2,j=-1,axis=1)，level=i和level=j的索引对换

b4 = b3.sort_index(axis=1)
b4

生成多重索引 笛卡尔积

pd.DataFrame(index=pd.MultiIndex.from_product([['a','b'],['c','d']]))

选取索引

df.index.levels
pr_cnt2.columns.get_level_values(1).isin(['GMV', 'UV'])

查看索引层级

df.columns.lexsort_depth
df.columns.levshape

多层索引查询

方法一：xs

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.xs.html
查找，columns为 2022-03-31的数据

df_mom.xs('2022-03-31', axis=1, level=1)

方法二：df.columns.get_level_values

https://www.5axxw.com/questions/content/htre42

df_mom.loc[:, df_mom.columns.droplevel(0).isin(['2022-02-28', '2023-01-31', '2023-02-28'])]
df_mom.loc[:, df_mom.columns.get_level_values(1)=='2022-03-31']

多层索引聚合

df.sum(level=0, axis=1)