Question

我正在尝试使用Pandas来表示运动捕捉数据，其具有N个标记中的每一个的（x，y，z）位置的T测量值。例如，在T = 3且N = 4的情况下，原始CSV数据如下所示：

T,Ax,Ay,Az,Bx,By,Bz,Cx,Cy,Cz,Dx,Dy,Dz
0,1,2,1,3,2,1,4,2,1,5,2,1
1,8,2,3,3,2,9,9,1,3,4,9,1
2,4,5,7,7,7,1,8,3,6,9,2,3

加载到DataFrame中非常简单，我学到了一些简单的技巧（例如将标记数据转换为z分数或计算速度）。

但是，我想做的一件事是将上面显示的“平面”数据转换为在列（标记）上具有分层索引的格式，这样在0级将有N列（一个对于每个标记），每个标记中的每一个都在级别1有3列（x，y和z各一个）。

  A     B     C     D
  x y z x y z x y z x y z
0 1 2 1 3 2 1 4 2 1 5 2 1
1 8 2 3 3 2 9 9 1 3 4 9 1
2 4 5 7 7 7 1 8 3 6 9 2 3

我知道如何通过加载平面文件然后直接操作Series对象，可能是使用append或者只是使用手动创建的MultiIndex创建新的DataFrame。

作为一名熊猫学习者，感觉必须有一种方法可以用更少的努力来做到这一点，但很难发现。有更简单的方法吗？

Answer 1

在你的情况下，你基本上只需要操纵列名。

从原始DataFrame（以及微小的索引操作）开始：

from StringIO import StringIO
import numpy as np
a = pd.read_csv(StringIO('T,Ax,Ay,Az,Bx,By,Bz,Cx,Cy,Cz,Dx,Dy,Dz\n\
    0,1,2,1,3,2,1,4,2,1,5,2,1\n\
    1,8,2,3,3,2,9,9,1,3,4,9,1\n\
    2,4,5,7,7,7,1,8,3,6,9,2,3'))
a.set_index('T', inplace=True)

那样：

>> a
Ax  Ay  Az  Bx  By  Bz  Cx  Cy  Cz  Dx  Dy  Dz
T                                               
0   1   2   1   3   2   1   4   2   1   5   2   1
1   8   2   3   3   2   9   9   1   3   4   9   1
2   4   5   7   7   7   1   8   3   6   9   2   3

然后只需为列创建元组列表，然后使用MultiIndex.from_tuples：

a.columns = pd.MultiIndex.from_tuples([(c[0], c[1]) for c in a.columns])

>> a
    A           B           C           D
    x   y   z   x   y   z   x   y   z   x   y   z
T                                               
0   1   2   1   3   2   1   4   2   1   5   2   1
1   8   2   3   3   2   9   9   1   3   4   9   1
2   4   5   7   7   7   1   8   3   6   9   2   3

有没有一种简单的方法可以在Pandas DataFrame中对列进行分组？

1 个答案: