pandas层次性索引MultiIndex变化操作

我不是女神ヾ 2023-01-01 15:59 135阅读 0赞

### pandas层次性索引MultiIndex变化操作 ###

*  需求背景
 *  问题求解

手动反爬虫： [原博地址][Link 1]

知识梳理不易，请尊重劳动成果，文章仅发布在CSDN网站上，在其他网站看到该博文均属于未经作者授权的恶意爬取信息

如若转载，请标明出处，谢谢！

# 需求背景 #

1、有没有方法可以向如图”平仓订单数“的下级插入2个占比字段？即跟”平仓订单数“下的亏损、盈利字段同级别  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]  
2、有没办法把列的级别调整为如图所示表格？  
![在这里插入图片描述][2021010321573273.png]

# 问题求解 #

由于没有真实的数据，这里就是使用0-15共16个数据创建四行四列的数据，创建的数据结果如下

import pandas as pd
    import numpy as np
    
    frame = pd.DataFrame(np.arange(16).reshape((4, 4)),
                          index=[['A50', 'A50', 'B50', 'B50'], ['买入', '卖出', '买入', '卖出']],
                          columns=[['平仓订单数', '平仓订单数', '平仓手数','平仓手数'],
                                   ['亏损', '盈利', '亏损', '盈利']])
    
    frame.index.names = ['股票代码','操作']
    frame.columns.names = ['平仓情况','盈亏情况']
    frame

输出结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]  
首先解决第一个问题，将计算的亏损和盈利订单占比插到二级列索引中，这一步就是比较简单，进行列索引的查看，然后根据对应字段运算后赋值到指定字段下

frame.columns
    
    frame[('平仓订单数', '亏损占比')] = frame[('平仓订单数', '亏损')] /(frame[('平仓订单数', '亏损')] + frame[('平仓订单数', '盈利')])
    frame
    
    frame[('平仓手数', '亏损占比')] = frame[('平仓手数', '亏损')] /(frame[('平仓手数', '亏损')] + frame[('平仓手数', '盈利')])
    frame

输出结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]  
这时候就发现一个问题，目的是达到了，但是还希望相同的一级列索引可以合并，根据pandas的机制，如果分层级索引的值相同，会自动合并，那么直接将相同的列索引放在一起就可以了，那么这里只要把`('平仓订单数', '亏损占比')`这个列索引调整到第3列的位置，那么最后就完成了

cols = list(frame)
    cols.insert(2, cols.pop(cols.index(('平仓订单数', '亏损占比'))))
    cols
    
    frame = frame.loc[:, cols]
    frame

输出结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]  
至此第一个问题就解决了，接下来就是第二个问题，相当于是进行一级列索引与二级列索引的交换，这里有两种方式，第一种是复杂点的，之前分别用两个单独的方法较多，这里第一反应就是将两者组合了

frame = frame.swapaxes(0,1).swaplevel(0,1).T
    frame
    
    frame.reorder_levels(order = [0,1],axis =1)

输出结果为：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]

第二种方式就是直接使用`reorder_levels`方法，返回的结果和上面的一样  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]  
可以发现两者的操作后，还是存在一个一级列索引自动合并的问题，也可以使用之前一列列数据进行`insert`的方式，之前是只用操作一列就可以，但是这里需要操作三列，如果是更多的列就不能总是依仗手动insert方法，需要找到对应的方法将索引排序，然后按照排序后的索引进行调换数值就可以满足要求了，于是就用到了`sortlevel()`方法

frame1 = frame.copy()
    frame1.columns
    
    # 前面直接使用insert插入后自动合并排序，如果数据过多的话就不方便了，这里直接使用sortlevel排序
    columns = frame1.columns.sortlevel()[0]
    columns
    
    frame1.loc[:,list(columns)]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]

至此，两个问题就梳理完毕了

[Link 1]: https://blog.csdn.net/lys_828/article/details/112158303
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]: /images/20221120/7c62653de9d146fb957beb15ad8be21a.png
[2021010321573273.png]: /images/20221120/a4defca8d64c447f891b804480c950b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]: /images/20221120/8bb00495d24b48b9a575f11fb5b19dd6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]: /images/20221120/e5babbc1e69049698f89a60650f69828.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]: /images/20221120/c44a76f1b7bd489cb88503b50f65db49.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]: /images/20221120/ddfacb9653434942a042f3588eeefff1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]: /images/20221120/58d31ca5945d4ffa9754d162b90279d7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]: /images/20221120/012f1b21caa240d78c0e9c694769286b.png