熊猫多索引将浮点数更改为字符串

debugcn 发表于 Dev

大卫·汉普罕

pd.__version__
'0.15.2'

我有一个熊猫的数据框，它具有三个级别的多索引。当我连接两个数据帧时，它将最低的索引转换为一个浮点数，它应该是一个字符串。

我试图用什么都没有替换.0

idx=str(dfmaster_stats.index.levels[2]).replace('.0', '')

并将其分配给数据框，但出现此错误

TypeError: 'FrozenList' does not support mutable operations.

我查看了其他问题，发现无法更改多个索引，因此我尝试为数据框重新编制索引。我关注了这个问题，但是两种解决方案均无效。

熊猫：修改特定级别的Multiindex

它肯定看起来不正确。我究竟做错了什么？

我也尝试过set_levels，但不确定语法。

dfmaster_stats.index.set_levels(dfmaster_stats.index.levels[2](idx), level =2)

给我这个错误

TypeError: 'Index' object is not callable

埃文

就像其他文章中提到的那样，重置索引，更改dtype和设置新索引可能会更容易。

np.random.seed(0)
tuples = list(zip(*[['bar', 'bar', 'baz', 'baz',
                     'foo', 'foo', 'qux', 'qux'],
                      [1.0, 2.0, 1.0, 2.0,
                       1.0, 2.0, 1.0, 2.0]]))

idx = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
df = pd.DataFrame(np.random.randn(8, 2), index=idx, columns=['A', 'B'])

print(df)
print(df.index.get_level_values("second").dtype)

输出：

                         A         B
first second                    
bar   1.0     1.764052  0.400157
      2.0     0.978738  2.240893
baz   1.0     1.867558 -0.977278
      2.0     0.950088 -0.151357
foo   1.0    -0.103219  0.410599
      2.0     0.144044  1.454274
qux   1.0     0.761038  0.121675
      2.0     0.443863  0.333674
float64

现在，重置索引，更改dtype并设置新索引。

df = df.reset_index()
df["second"] = df["second"].astype(int).astype(str)
df = df.set_index(["first", "second"])

print(df)
print(df.index.get_level_values("second").dtype)

输出：

                     A         B
first second                    
bar   1       1.764052  0.400157
      2       0.978738  2.240893
baz   1       1.867558 -0.977278
      2       0.950088 -0.151357
foo   1      -0.103219  0.410599
      2       0.144044  1.454274
qux   1       0.761038  0.121675
      2       0.443863  0.333674
object

总的来说，我发现操纵多索引（索引？）有时值得，而有时却不值得。更改级别变得冗长。如果您致力于原因，那么可以这样做：

idx0 = df.index.levels[0]
idx1 = df.index.levels[1].astype(str).str.replace('.0', '')

df.index = df.index.set_levels([idx0, idx1])
print(df.index.levels[1].dtype)

输出：