판다 다중 인덱스에 레벨 추가

판다 다중 인덱스에 레벨 추가

MultiIndex가 있는 DataFrame은 그룹화 후에 생성됩니다.

import numpy as np
import pandas as pd
from numpy.random import randn

df = pd.DataFrame({'A' : ['a1', 'a1', 'a2', 'a3'], 
                   'B' : ['b1', 'b2', 'b3', 'b4'], 
                   'Vals' : randn(4)}
                 ).groupby(['A', 'B']).sum()

#            Vals
# A  B           
# a1 b1 -1.632460
#    b2  0.596027
# a2 b3 -0.619130
# a3 b4 -0.002009

레벨을 MultiIndex에 추가하여 다음과 같은 수준으로 변환하려면 어떻게 해야 합니까?

#                       Vals
# FirstLevel A  B           
# Foo        a1 b1 -1.632460
#               b2  0.596027
#            a2 b3 -0.619130
#            a3 b4 -0.002009

다음을 사용하여 한 줄로 이 작업을 수행하는 좋은 방법pandas.concat():

import pandas as pd

pd.concat([df], keys=['Foo'], names=['Firstlevel'])

더 짧은 방법:

pd.concat({'Foo': df}, names=['Firstlevel'])

이는 많은 데이터 프레임으로 일반화할 수 있습니다. 문서를 참조하십시오.

먼저 일반 열로 추가한 다음 현재 인덱스에 추가할 수 있습니다.

df['Firstlevel'] = 'Foo'
df.set_index('Firstlevel', append=True, inplace=True)

필요한 경우 다음과 같이 순서를 변경합니다.

df.reorder_levels(['Firstlevel', 'A', 'B'])

그 결과:

                      Vals
Firstlevel A  B           
Foo        a1 b1  0.871563
              b2  0.494001
           a2 b3 -0.167811
           a3 b4 -1.353409

저는 이것이 더 일반적인 해결책이라고 생각합니다.

# Convert index to dataframe
old_idx = df.index.to_frame()

# Insert new level at specified location
old_idx.insert(0, 'new_level_name', new_level_values)

# Convert back to MultiIndex
df.index = pandas.MultiIndex.from_frame(old_idx)

다른 답변에 비해 몇 가지 이점:

• 새 레벨은 맨 위뿐만 아니라 모든 위치에서 추가할 수 있습니다.
• 이것은 순전히 인덱스에 대한 조작이며 연결 트릭과 같이 데이터를 조작할 필요가 없습니다.
• 여러 수준의 열 인덱스가 손상될 수 있는 중간 단계로 열을 추가할 필요가 없습니다.

저는 cxrodgers 답변으로 약간의 기능을 만들었습니다. IMHO는 데이터 프레임이나 시리즈에 관계없이 순수하게 인덱스에서 작동하기 때문에 최고의 솔루션입니다.

제가 추가한 한 가지 수정 사항이 있습니다.to_frame()메서드는 인덱스 수준이 없는 새 이름을 만듭니다.따라서 새 인덱스는 이전 인덱스에 없는 이름을 가집니다.이 이름 변경을 되돌리기 위해 코드를 추가했습니다.

아래 코드는 제가 직접 사용한 지 얼마 되지 않아 작동이 잘 되는 것 같습니다.만약 당신이 어떤 문제나 엣지 케이스를 발견한다면, 저는 제 답변을 조정할 의무가 있습니다.

import pandas as pd

def _handle_insert_loc(loc: int, n: int) -> int:
    """
    Computes the insert index from the right if loc is negative for a given size of n.
    """
    return n + loc + 1 if loc < 0 else loc


def add_index_level(old_index: pd.Index, value: Any, name: str = None, loc: int = 0) -> pd.MultiIndex:
    """
    Expand a (multi)index by adding a level to it.

    :param old_index: The index to expand
    :param name: The name of the new index level
    :param value: Scalar or list-like, the values of the new index level
    :param loc: Where to insert the level in the index, 0 is at the front, negative values count back from the rear end
    :return: A new multi-index with the new level added
    """
    loc = _handle_insert_loc(loc, len(old_index.names))
    old_index_df = old_index.to_frame()
    old_index_df.insert(loc, name, value)
    new_index_names = list(old_index.names)  # sometimes new index level names are invented when converting to a df,
    new_index_names.insert(loc, name)        # here the original names are reconstructed
    new_index = pd.MultiIndex.from_frame(old_index_df, names=new_index_names)
    return new_index

다음 장치 테스트 코드를 통과했습니다.

import unittest

import numpy as np
import pandas as pd

class TestPandaStuff(unittest.TestCase):

    def test_add_index_level(self):
        df = pd.DataFrame(data=np.random.normal(size=(6, 3)))
        i1 = add_index_level(df.index, "foo")

        # it does not invent new index names where there are missing
        self.assertEqual([None, None], i1.names)

        # the new level values are added
        self.assertTrue(np.all(i1.get_level_values(0) == "foo"))
        self.assertTrue(np.all(i1.get_level_values(1) == df.index))

        # it does not invent new index names where there are missing
        i2 = add_index_level(i1, ["x", "y"]*3, name="xy", loc=2)
        i3 = add_index_level(i2, ["a", "b", "c"]*2, name="abc", loc=-1)
        self.assertEqual([None, None, "xy", "abc"], i3.names)

        # the new level values are added
        self.assertTrue(np.all(i3.get_level_values(0) == "foo"))
        self.assertTrue(np.all(i3.get_level_values(1) == df.index))
        self.assertTrue(np.all(i3.get_level_values(2) == ["x", "y"]*3))
        self.assertTrue(np.all(i3.get_level_values(3) == ["a", "b", "c"]*2))

        # df.index = i3
        # print()
        # print(df)

를 사용한 다른 답변.이것은 이 이전 답변을 일반화합니다.

key = "Foo"
name = "First"
# If df.index.nlevels > 1:
df.index = pd.MultiIndex.from_tuples(((key, *item) for item in df.index),
                                     names=[name]+df.index.names)
# If df.index.nlevels == 1:
# df.index = pd.MultiIndex.from_tuples(((key, item) for item in df.index),
#                                      names=[name]+df.index.names)

저는 이 접근법을 좋아합니다. 왜냐하면

• 인덱스만 수정합니다(본체의 불필요한 복사 작업 없음).
• 두 축(행 및 열 인덱스) 모두에 대해 작동합니다.
• 여전히 한 줄로 쓸 수 있습니다.

---

위의 내용을 함수로 묶으면 행 인덱스와 열 인덱스 간, 단일 수준 인덱스와 다중 수준 인덱스 간을 쉽게 전환할 수 있습니다.

def prepend_index_level(index, key, name=None):
    names = index.names
    if index.nlevels==1:
        # Sequence of tuples
        index = ((item,) for item in index)

    tuples_gen = ((key,)+item for item in index)
    return pd.MultiIndex.from_tuples(tuples_gen, names=[name]+names)

df.index = prepend_index_level(df.index, key="Foo", name="First")
df.columns = prepend_index_level(df.columns, key="Bar", name="Top")

# Top               Bar
#                  Vals
# First A  B
# Foo   a1 b1 -0.446066
#          b2 -0.248027
#       a2 b3  0.522357
#       a3 b4  0.404048

---

마지막으로 모든 인덱스 수준에서 키를 삽입하여 위의 내용을 더욱 일반화할 수 있습니다.

def insert_index_level(index, key, name=None, level=0):
    def insert_(pos, seq, value):
        seq = list(seq)
        seq.insert(pos, value)
        return tuple(seq)

    names = insert_(level, index.names, name)
    if index.nlevels==1:
        # Sequence of tuples.
        index = ((item,) for item in index)
    
    tuples_gen = (insert_(level, item, key) for item in index)
    return pd.MultiIndex.from_tuples(tuples_gen, names=names)

df.index = insert_index_level(df.index, key="Foo", name="Last", level=2)
df.columns = insert_index_level(df.columns, key="Bar", name="Top", level=0)

# Top              Bar
#                 Vals
# A  B  Last
# a1 b1 Foo  -0.595949
#    b2 Foo  -1.621233
# a2 b3 Foo  -0.748917
# a3 b4 Foo   2.147814

판다와 함께 처음부터 다시 만들어 보는 것은 어떨까요?MultiIndex.from_tuples?

df.index = p.MultiIndex.from_tuples(
    [(nl, A, B) for nl, (A, B) in
        zip(['Foo'] * len(df), df.index)],
    names=['FirstLevel', 'A', 'B'])

cxrodger의 솔루션과 유사하게 이 방법은 유연한 방법이며 데이터 프레임의 기본 배열을 수정하지 않아도 됩니다.

언급URL : https://stackoverflow.com/questions/14744068/prepend-a-level-to-a-pandas-multiindex