python - 在 Pandas 中缺少列的情况下将列拆分为MultiIndex

这类似于我询问here的问题。但是，我发现我正在处理的数据并不总是一致的。例如，说:

import pandas as pd

df = pd.DataFrame(pd.DataFrame([[1,2,3,4],[5,6,7,8],[9,10,11,12]],columns=["X_a","Y_c","X_b","Y_a"]))

   X_a  Y_c  X_b  Y_a
0    1    2    3    4
1    5    6    7    8
2    9   10   11   12

现在您可以看到X没有对应的c列，而Y没有对应的b列。现在，当我想创建多级索引时，我希望数据框看起来像这样:

     X             Y
     a    b   c    a    b   c
0    1    3   -1   4   -1   2
1    5    7   -1   8   -1   6
2    9   11   -1  12   -1  10

如您所见，我希望以这样一种方式进行拆分，即所有较高级别的列都应具有相同的较低级别的列。由于数据集是正数，因此我正在考虑用-1填充缺少的列，尽管我愿意就此提出建议。我发现最接近问题的是this answer。但是，我无法像上一个问题那样以某种方式使用MultiLevel Index。任何帮助表示赞赏。

最佳答案

创建一个MultiIndex并设置df.columns。

idx = df.columns.str.split('_', expand=True)
idx
MultiIndex(levels=[['X', 'Y'], ['a', 'b', 'c']],
           labels=[[0, 1, 0, 1], [0, 2, 1, 0]])

df.columns = idx

现在，使用现有的MultiIndex，创建一个新索引，并使用该索引对原始索引进行reindex。

idx = pd.MultiIndex.from_product([idx.levels[0], idx.levels[1]])
idx
MultiIndex(levels=[['X', 'Y'], ['a', 'b', 'c']],
       labels=[[0, 0, 0, 1, 1, 1], [0, 1, 2, 0, 1, 2]])

df.reindex(columns=idx, fill_value=-1)
   X          Y
   a   b  c   a  b   c
0  1   3 -1   4 -1   2
1  5   7 -1   8 -1   6
2  9  11 -1  12 -1  10

关于python - 在 Pandas 中缺少列的情况下将列拆分为MultiIndex，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46250972/