首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Pandas -在数据透视表中删除级别,将索引保留为列名

Pandas 是一种基于Python的开源数据分析工具,它提供了丰富的数据结构和数据处理功能,可以进行数据清洗、转换、分析和可视化等操作。在Pandas中,数据透视表是一种常用的数据处理技术,可以根据指定的行和列对数据进行聚合和重塑。

当需要在数据透视表中删除级别时,即删除某些行或列的层次结构,同时保留索引作为列名,可以使用Pandas中的droplevel函数。droplevel函数可以接收一个层次索引的名称或索引级别的位置作为参数,并返回一个新的数据透视表。

下面是一个示例代码:

代码语言:txt
复制
import pandas as pd

# 创建一个示例数据透视表
data = {'A': ['foo', 'foo', 'foo', 'foo', 'bar', 'bar', 'bar', 'bar'],
        'B': ['one', 'one', 'two', 'two', 'one', 'one', 'two', 'two'],
        'C': ['x', 'y', 'x', 'y', 'x', 'y', 'x', 'y'],
        'D': [1, 2, 3, 4, 5, 6, 7, 8]}
df = pd.DataFrame(data)

# 将列'A'和'B'作为行索引,列'C'作为列索引,列'D'作为值
pivot_table = df.pivot_table(index=['A', 'B'], columns='C', values='D')

# 删除列索引的第一级别,并保留索引作为列名
pivot_table = pivot_table.droplevel(0, axis=1)

# 打印结果
print(pivot_table)

上述代码中,我们首先使用pivot_table函数创建了一个数据透视表,然后使用droplevel函数删除了列索引的第一级别,最后将结果打印出来。

对于Pandas的更多详细信息和用法,请参考腾讯云文档中的Pandas介绍

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

玩转Pandas透视表

数据透视表(Pivot Table)是常用的数据汇总工具,可以通过控制数据的排列灵活地进行数据分析,进而挖掘出数据中最有价值的信息。掌握数据透视表,已经成为数据分析从业者必备的一项技能。...在python中我们可以通过pandas.pivot_table函数来实现数据透视表的功能。...仔细观察透视表发现,与上面【3】中的"添加一个列级索引",在分组聚合效果上是一样的,都是将每个性别组中的成员再次按照客票级别划分为3个小组。...当然,行索引和列索引都可以再设置为多层,不过,行索引和列索引在本质上是一样的,大家需要根据实际情况合理布局。 6....保存透视表 数据分析的劳动成果最后当然要保存下来了,我们一般将透视表保存为excel格式的文件,如果需要保存多个透视表,可以添加到多个sheet中进行保存。 save_file = ".

4.1K30
  • pandas技巧6

    透视表使用 ---- 创建数据 S型数据 import numpy as np import pandas as pd pd.Series([1, 3, 5, np.nan, 6, 89]) #...,缺值用NaN补充 join outer:合并,缺值用nan inner:求交集,非交集部分直接删除 keys:用于层次化索引 ignore_index:不保留连接轴上的索引,产生新的索引 连接merge...分组和聚合之后使用reset_index() 在分组时,使用as_index=False 重塑reshaping stack:将数据的列旋转成行,AB由列属性变成行索引 unstack:将数据的行旋转成列...,AB由行索引变成列属性 透视表 data: a DataFrame object,要应用透视表的数据框 values: a column or a list of columns to aggregate...values是生成的透视表中的数据 index是透视表的层次化索引,多个属性使用列表的形式 columns是生成透视表的列属性

    2.6K10

    python数据分析——数据分类汇总与统计

    具体的办法是向agg传入一个从列名映射到函数的字典: 只有将多个函数应用到至少一列时,DataFrame才会拥有层次化的列 返回不含行索引的聚合数据 到目前为止,所有例中的聚合数据都有由唯一的分组键组成的索引...由于分组具有一个name属性,所以我们可以拿来用一下: 四、数据透视表与交叉表 数据透视表 pivot()的用途就是,将一个dataframe的记录数据整合成表格(类似Excel中的数据透视表功能),pivot_table...Pandas是一个强大的数据分析工具,而pivot()函数是Pandas中的一个重要函数,用于数据透视操作。它可以根据某些列的值将数据重塑为新的形式,使之更易于分析和理解。...可以是单个列名、多个列名组成的列表或者数组,表示数据透视后的行的唯一标识。 columns:指定数据透视后的列索引。可以是单个列名、多个列名组成的列表或者数组,表示数据透视后的列的唯一标识。...关键技术:在pandas中透视表操作由pivot_table()函数实现,其中在所有参数中,values、index、 columns最为关键,它们分别对应Excel透视表中的值、行、列。

    12410

    在pandas中使用数据透视表

    什么是透视表? 经常做报表的小伙伴对数据透视表应该不陌生,在excel中利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现。...透视表是一种汇总了更广泛表数据的统计信息表。 典型的数据格式是扁平的,只包含行和列,不方便总结信息: ? 而数据透视表可以快速抽取有用的信息: ? pandas也有透视表?...pandas作为编程领域最强大的数据分析工具之一,自然也有透视表的功能。 在pandas中,透视表操作由pivot_table()函数实现,不要小看只是一个函数,但却可以玩转数据表,解决大麻烦。...values:需要汇总计算的列,可多选 index:行分组键,一般是用于分组的列名或其他分组键,作为结果DataFrame的行索引 columns:列分组键,一般是用于分组的列名或其他分组键,作为结果...该表为用户订单数据,有订单日期、商品类别、价格、利润等维度。

    2.8K40

    Pandas三百题

    : 2':'金牌数','Unnamed': 3':'银牌数','Unnamed: 4':'铜牌数') 2-数据修改|行索引 将第一列(排名)设置为索引 df.set_index(['排名']) 3-数据修改...(df,values=['销售额','利润'],index='省/自治区',aggfunc=['sum']) 6 - 数据透视|多索引 制作「各省市」与「不同类别」产品「销售总额」的数据透视表 pd.pivot_table...'mean',sum],margins=True) 9 - 数据透视|筛选 在上一题的基础上,查询 「类别」 等于 「办公用品」 的详情 ​ 10 -数据透视|逆透视 逆透视就是将宽的表转换为长的表,例如将第...) left.join(right,on=['key1','key2']) 8-金融数据与时间处理 8-1pandas中的时间操作 1-时间生成|当前时间 使用pandas获取当前时间 pd.Timestamp...df1 的索引设置为日期,将 df1 数据向后移动一天 df1.set_index(['日期']).shift(1) 25 - 日期重采样|日 -> 周 按周对 df1 进行重采样,保留每周最后一个数据

    4.8K22

    python数据科学系列:pandas入门详细教程

    和DML操作在pandas中都可以实现 类比Excel的数据透视表功能,Excel中最为强大的数据分析工具之一是数据透视表,这在pandas中也可轻松实现 自带正则表达式的字符串向量化操作,对pandas...前者是将已有的一列信息设置为标签列,而后者是将原标签列归为数据,并重置为默认数字标签 set_axis,设置标签列,一次只能设置一列信息,与rename功能相近,但接收参数为一个序列更改全部标签列信息(.../最后一行/无保留,例如keep=first意味着在存在重复的多行时,首行被认为是合法的而可以保留 删除重复值,drop_duplicates,按行检测并删除重复的记录,也可通过keep参数设置保留项。...2 分组聚合 pandas的另一个强大的数据分析功能是分组聚合以及数据透视表,前者堪比SQL中的groupby,后者媲美Excel中的数据透视表。...以SQL中经典的学生成绩表为例,给定原始学生—课程—成绩表,需重整为学生vs课程的成绩表,则可应用pivot实现: ?

    15K20

    在pandas中使用数据透视表

    经常做报表的小伙伴对数据透视表应该不陌生,在excel中利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现。...透视表是一种汇总了更广泛表数据的统计信息表。 典型的数据格式是扁平的,只包含行和列,不方便总结信息: 而数据透视表可以快速抽取有用的信息: pandas也有透视表?...pandas作为编程领域最强大的数据分析工具之一,自然也有透视表的功能。 在pandas中,透视表操作由pivot_table()函数实现,不要小看只是一个函数,但却可以玩转数据表,解决大麻烦。...values:需要汇总计算的列,可多选 index:行分组键,一般是用于分组的列名或其他分组键,作为结果DataFrame的行索引 columns:列分组键,一般是用于分组的列名或其他分组键,作为结果...下面拿数据练一练,示例数据表如下: 该表为用户订单数据,有订单日期、商品类别、价格、利润等维度。

    3K20

    干货!直观地解释和可视化每个复杂的DataFrame操作

    操作数据帧可能很快会成为一项复杂的任务,因此在Pandas中的八种技术中均提供了说明,可视化,代码和技巧来记住如何做。 ?...Pivot 透视表将创建一个新的“透视表”,该透视表将数据中的现有列投影为新表的元素,包括索引,列和值。初始DataFrame中将成为索引的列,并且这些列显示为唯一值,而这两列的组合将显示为值。...Unstack 取消堆叠将获取多索引DataFrame并对其进行堆叠,将指定级别的索引转换为具有相应值的新DataFrame的列。在表上调用堆栈后再调用堆栈不会更改该堆栈(原因是存在“ 0 ”)。...堆叠中的参数是其级别。在列表索引中,索引为-1将返回最后一个元素。这与水平相同。级别-1表示将取消堆叠最后一个索引级别(最右边的一个)。...合并不是pandas的功能,而是附加到DataFrame。始终假定合并所在的DataFrame是“左表”,在函数中作为参数调用的DataFrame是“右表”,并带有相应的键。

    13.3K20

    最全面的Pandas的教程!没有之一!

    交叉选择行和列中的数据 我们可以用 .xs() 方法轻松获取到多级索引中某些特定级别的数据。比如,我们需要找到所有 Levels 中,Num = 22 的行: ?...获取 DataFrame 的属性 DataFrame 的属性包括列和索引的名字。假如你不确定表中的某个列名是否含有空格之类的字符,你可以通过 .columns 来获取属性值,以查看具体的列名。 ?...数据透视表 在使用 Excel 的时候,你或许已经试过数据透视表的功能了。数据透视表是一种汇总统计表,它展现了原表格中数据的汇总统计结果。...你可以在 Pandas 的官方文档 中找到更多数据透视表的详细用法和例子。 于是,我们按上面的语法,给这个动物统计表创建一个数据透视表: ? 或者也可以直接调用 df 对象的方法: ?...在上面的例子中,数据透视表的某些位置是 NaN 空值,因为在原数据里没有对应的条件下的数据。

    26K64

    数据分析之Pandas VS SQL!

    SQL VS Pandas SELECT(数据选择) 在SQL中,选择是使用逗号分隔的列列表(或*来选择所有列): ? 在Pandas中,选择不但可根据列名称选取,还可以根据列所在的位置选取。...WHERE(数据过滤) 在SQL中,过滤是通过WHERE子句完成的: ? 在pandas中,Dataframe可以通过多种方式进行过滤,最直观的是使用布尔索引: ?...宝器带你画重点: subset,为选定的列做数据去重,默认为所有列; keep,可选择{'first', 'last', False},保留重复元素中的第一个、最后一个,或全部删除; inplace ,...Pandas: ? 更多关于Groupy和数据透视表内容请阅读: 这些祝福和干货比那几块钱的红包重要的多! JOIN(数据合并) 可以使用join()或merge()执行连接。...默认情况下,join()将联接其索引上的DataFrames。 每个方法都有参数,允许指定要执行的连接类型(LEFT, RIGHT, INNER, FULL)或要连接的列(列名或索引) ?

    3.2K20

    15个基本且常用Pandas代码片段

    Pandas提供了强大的数据操作和分析功能,是数据科学的日常基本工具。在本文中,我们将介绍最常用的15个Pandas代码片段。这些片段将帮助简化数据分析任务,从数据集中提取有价值的见解。...D'], 'value': [4, 5, 6]}) merged = pd.merge(left, right, on='key', how='inner') print(merged) 7、数据透视表...id_vars:需要保留的列,它们将成为长格式中的标识变量(identifier variable),不被"融化"。 value_vars:需要"融化"的列,它们将被整合成一列,并用新的列名表示。...col_level:如果输入数据是多级索引(MultiIndex),则可以指定在哪个级别上应用"融化"操作。...将数据列转换为分类类型有助于节省内存和提高性能,特别是当数据列中包含有限的不同取值时。

    28810

    Pandas 25 式

    操控缺失值 把字符串分割为多列 把 Series 里的列表转换为 DataFrame 用多个函数聚合 用一个 DataFrame 合并聚合的输出结果 选择行与列 重塑多重索引 Series 创建透视表...用 dropna() 删除列里的所有缺失值。 ? 只想删除列中缺失值高于 10% 的缺失值,可以设置 dropna() 里的阈值,即 threshold. ? 16....要解决这个问题得用 transform() 方法,这个方法执行同样的计算,但返回与原始数据行数一样的输出结果,本例中为 4622 行。 ?...创建透视表 经常输出类似上例的 DataFrame,pivot_table() 方法更方便。 ? 使用透视表,可以直接指定索引、数据列、值与聚合函数。...这段代码为不同分箱提供了标签,年龄在 0-18 岁的为儿童,18-25 岁的为青年,25-99 岁的为成人。 注意:现在数据已经是类别型了,类别型数据会自动排序。 24.

    8.4K00

    通宵翻译Pandas官方文档,写了这份Excel万字肝货操作!

    在 Pandas 中,索引可以设置为一个(或多个)唯一值,这就像在工作表中有一列用作行标识符一样。与大多数电子表格不同,这些索引值实际上可用于引用行。...在 Pandas 中,您通常希望在使用日期进行计算时将日期保留为日期时间对象。输出部分日期(例如年份)是通过电子表格中的日期函数和 Pandas 中的日期时间属性完成的。...列的选择 在Excel电子表格中,您可以通过以下方式选择所需的列: 隐藏列; 删除列; 引用从一个工作表到另一个工作表的范围; 由于Excel电子表格列通常在标题行中命名,因此重命名列只需更改第一个单元格中的文本即可...数据透视表 电子表格中的数据透视表可以通过重塑和数据透视表在 Pandas 中复制。再次使用提示数据集,让我们根据聚会的规模和服务器的性别找到平均小费。...在 Excel 中,我们对数据透视表使用以下配置: 等效的Pandas代码。

    19.6K20

    数据分析之Pandas变形操作总结

    Pandas做分析数据,可以分为索引、分组、变形及合并四种操作。前边已经介绍过索引操作、分组操作,现在接着对Pandas中的变形操作进行介绍,涉及知识点提纲如下图: ? 本文目录 1....透视表 1. pivot 一般状态下,数据在DataFrame会以压缩(stacked)状态存放,例如上面的Gender,两个类别被叠在一列中,pivot函数可将某一列作为新的cols: df.pivot...melt函数中的id_vars表示需要保留的列,value_vars表示需要stack的一组列,value_name是value_vars对应的值的列名。...问题5:透视表中涉及了三个函数,请分别使用它们完成相同的目标(任务自定)并比较哪个速度最快。...(a) 现在请你将数据表转化成如下形态,每行需要显示每种药物在每个地区的10年至17年的变化情况,且前三列需要排序: df = pd.read_csv('joyful-pandas-master/data

    4K21

    数据分析篇 | PyCon 大咖亲传 pandas 25 式,长文建议收藏

    操控缺失值 把字符串分割为多列 把 Series 里的列表转换为 DataFrame 用多个函数聚合 用一个 DataFrame 合并聚合的输出结果 选择行与列 重塑多重索引 Series 创建透视表...用 dropna() 删除列里的所有缺失值。 ? 只想删除列中缺失值高于 10% 的缺失值,可以设置 dropna() 里的阈值,即 threshold. ? 16....要解决这个问题得用 transform() 方法,这个方法执行同样的计算,但返回与原始数据行数一样的输出结果,本例中为 4622 行。 ?...创建透视表 经常输出类似上例的 DataFrame,pivot_table() 方法更方便。 ? 使用透视表,可以直接指定索引、数据列、值与聚合函数。...这段代码为不同分箱提供了标签,年龄在 0-18 岁的为儿童,18-25 岁的为青年,25-99 岁的为成人。 注意:现在数据已经是类别型了,类别型数据会自动排序。 24.

    7.2K20

    Python处理Excel数据-pandas篇

    在计算机编程中,pandas是Python编程语言的用于数据操纵和分析的软件库。特别是,它提供操纵数值表格和时间序列的数据结构和运算操作。...它的名字衍生自术语“面板数据”(panel data),这是计量经济学的数据集术语,它们包括了对同一个体的在多个时期上的观测。...([data1,data2]) # 合并,与merge的区别,自查**(特别注意要使用[])** pd.pivot_table( data ) # 用df做data透视表...='all') # 删除所有值为Nan的行 data.dropna(thresh=2) # 至少保留两个非缺失值 data.strip()...# 将空值填充下一个值 data.fillna(method='bfill',limit=1) # 将空值填充下一个值,限制填充数量为1 三、数据排序与查询 1、排序 例1:按语文分数排序降序

    4K60

    Pandas透视表及应用

    Pandas 透视表概述 数据透视表(Pivot Table)是一种交互式的表,可以进行某些计算,如求和与计数等。所进行的计算与数据跟数据透视表中的排列有关。...之所以称为数据透视表,是因为可以动态地改变它们的版面布置,以便按照不同方式分析数据,也可以重新安排行号、列标和页字段。每一次改变版面布置时,数据透视表会立即按照新的布置重新计算数据。...另外,如果原始数据发生更改,则可以更新数据透视表。...:dataframe.pivot_table() index:行索引,传入原始数据的列名 columns:列索引,传入原始数据的列名 values: 要做聚合操作的列名 aggfunc:聚合函数  custom_info.pivot_table... 分组之后得到的是multiIndex类型的索引,将multiIndex索引变成普通索引 custom_info.groupby(['注册年月','会员等级'])['会员卡号'].count().reset_index

    23210

    Python面试十问2

    五、pandas中的索引操作 pandas⽀持四种类型的多轴索引,它们是: Dataframe.[ ] 此函数称为索引运算符 Dataframe.loc[ ] : 此函数⽤于标签 Dataframe.iloc...七、apply() 函数使用方法 如果需要将函数应⽤到DataFrame中的每个数据元素,可以使⽤ apply() 函数以便将函数应⽤于给定dataframe中的每⼀⾏。...附加到df1的末尾 df1.append(df2) 第⼆个DataFrame的索引值保留在附加的DataFrame中,设置ignore_index = True可以避免这种情况。...十、数据透视表应用 透视表是⼀种可以对数据动态排布并且分类汇总的表格格式,在pandas中它被称作pivot_table。...透视表是一种强大的数据分析工具,它可以快速地对大量数据进行汇总、分析和呈现。

    8810
    领券