如何用Pandas重命名一个重置索引上的多个列

9 人关注

我想弄清楚，当你试图重置索引时，是否有办法重命名Pandas列。我在文档中看到，如果只有一列，你可以使用 "name "参数来设置重置索引的列名，但我很好奇是否有办法对多列进行这样的操作。

df1 = pd.DataFrame({
'A' : ['a1', 'a1', 'a2', 'a3'],
'B' : ['b1', 'b2', 'b3', 'b4'],
'D1' : [1,0,0,0],
'D2' : [0,1,1,0],
'D3' : [0,0,1,1],
df1.set_index(['B','A']).stack().reset_index()
结果留给你的是。
     B   A level_2  0
0   b1  a1      D1  1
1   b1  a1      D2  0
2   b1  a1      D3  0
3   b2  a1      D1  0
4   b2  a1      D2  1
You could do:
df1.set_index(['B','A']).stack().reset_index(name='my_col')
为了设置最后一列的名称，但我想知道是否有办法使用该参数来设置'level_2'列的名称。
我想到的第一件事就是去尝试。
df1.set_index(['B','A']).stack().reset_index(name=['my_col2','my_col'])
然而，这并不奏效，所以我在寻找另一种方法。  我意识到我总是可以在下一行重命名这些列，但我希望有一个更干净的方法在一行中完成它。


           
            
             
              
               Roman Pekar
              
              ：


           
            
             
              
               我认为这是不可能的，你看，你代码中的
               
                reset_index()
               
               实际上是
               
                pandas.pydata.org/pandas-docs/stable/generated/...
               
               所以你只有一列。  你可以做的是设置你的系列索引的列的名称，然后它们将保持作为DataFrame的列的名称。


         
          
           
            multiple-columns


          
           
            
             
              替换代码0】不够聪明，无法做到这一点，但我们可以利用方法
              
               
                rename_axis
               
              
              和
              
               
                rename
               
              
              to give names to the index和columns/series before resetting the index; once the names are set up properly,
              
               reset_index
              
              将自动把这些名字转换为结果中的列名。
             
             
              这里的
              
               rename_axis
              
              给索引命名，有点相当于
              
               df.index.names = ...
              
              ，只是在功能风格上；
              
               rename
              
              给系列对象命名。
             
             df1.set_index(['B','A']).stack().rename_axis(['B','A','col2']).rename('col').reset_index()
#    B   A  col2    col
#0  b1  a1    D1    1
#1  b1  a1    D2    0
#2  b1  a1    D3    0
#3  b2  a1    D1    0
#4  b2  a1    D2    1