【应用】【python】快速有效修改groupby后的列名

     我们在使用pandas的groupby方法做统计分析时，发现聚合后的列名是MultiIndex类型。此时，必须通过元组的复合索引方式，才能有效提取列的信息。

下面，将以一个具体的实例，来说明如何快速、有效的修改MultiIndex格式的列名。

---

首先，创建一个DataFrame类型的数据data:

import pandas as pd

# 首先构造一个DataFrame
data = pd.DataFrame([["小明", "英语", "80"],
                     ["小明", "数学", "70"],
                     ["小明", "语文", "81"],
                     ["小红", "英语", "80"],
                     ["小红", "英语", "95"]], columns=["name", "subject", "score"])
print(data)
print(data.columns)

此时，打印data的列名，是Index格式。并且，可以直接通过rename方法重命名columns，这里就不作演示。

  name subject score
0   小明      英语    80
1   小明      数学    70
2   小明      语文    81
3   小红      英语    80
4   小红      英语    95
Index(['name', 'subject', 'score'], dtype='object')

如果使用groupby方法，对每个人的学科得分做一个求和（sum）和平均（mean）：

import pandas as pd

# 首先构造一个DataFrame
data = pd.DataFrame([["小明", "英语", "80"],
                     ["小明", "数学", "70"],
                     ["小明", "语文", "81"],
                     ["小红", "英语", "80"],
                     ["小红", "英语", "95"]], columns=["name", "subject", "score"])

# 对data做统计：求和、均值
data_groupby = data.groupby(["name", "subject"]).agg({"score": ["sum", "mean"]})

print(data_groupby)
print("\n")
print(data_groupby.columns)

此时，data_groupby的columns类型，变成MultiIndex。

             score        
               sum    mean
name subject              
小明   数学         70    70.0
     英语         80    80.0
     语文         81    81.0
小红   英语       8095  4047.5


MultiIndex([('score',  'sum'),
            ('score', 'mean')],
           )

如果使用rename方法，对列名重命名，发现并不起作用。

import pandas as pd

# 首先构造一个DataFrame
data = pd.DataFrame([["小明", "英语", "80"],
                     ["小明", "数学", "70"],
                     ["小明", "语文", "81"],
                     ["小红", "英语", "80"],
                     ["小红", "英语", "95"]], columns=["name", "subject", "score"])
# 对data做统计：求和、均值
data_groupby = data.groupby(["name", "subject"]).agg({"score": ["sum", "mean"]})
# 重命名列名：不起作用
data_groupby.rename({("score", "sum"): "score_sum", ("score", "mean"): "score_mean"}, inplace=True)

print(data_groupby.columns)

MultiIndex([('score',  'sum'),
            ('score', 'mean')],
           )

所以，我们通过遍历columns的方式，将MultiIndex的一级和二级索引拼接在一起，作为data的新列名。

import pandas as pd

# 首先构造一个DataFrame
data = pd.DataFrame([["小明", "英语", "80"],
                     ["小明", "数学", "70"],
                     ["小明", "语文", "81"],
                     ["小红", "英语", "80"],
                     ["小红", "英语", "95"]], columns=["name", "subject", "score"])
# 对data做统计：求和、均值
data_groupby = data.groupby(["name", "subject"]).agg({"score": ["sum", "mean"]})
# 重命名列名：不起作用
# data_groupby.rename({("score", "sum"): "score_sum", ("score", "mean"): "score_mean"}, inplace=True)

# 重命名列名
data_groupby.columns = [i[0] + "_" + i[1] for i in data_groupby.columns]


print(data_groupby.columns)

Index(['score_sum', 'score_mean'], dtype='object')

这样的话，完美变为我们想要的列名。