如何在Pandas中展平多个索引（实际上只有一个级别）？值\u counts仅返回多索引

Question

熊猫1.1.4

考虑

df4 = pd.DataFrame({
    'a': [1, 2, 3, 4]
})

counts = df4.value_counts().astype(np.int)

print(counts.index)

counts.reindex(counts.index.to_flat_index())

print(counts.index)

print(counts.index.to_flat_index())

输出：

MultiIndex([(4,),
            (3,),
            (2,),
            (1,)],
           names=['a'])
MultiIndex([(4,),
            (3,),
            (2,),
            (1,)],
           names=['a'])
Index([(4,), (3,), (2,), (1,)], dtype='object')

我想能和你交换

df5 = pd.Series([5, 6, 7, 8], index=[1, 2, 3, 4])
print(df5.index)

谁的index是

Int64Index（[1,2,3,4]，dtype='int64'）

请注意df4的索引与df5的索引相同，但value_counts使其成为一个多索引

---

我如何解决这个问题？我试过的任何压扁似乎都不管用

Answer 1

当pandas从字典（如本例所示）创建数据帧时，它假定传递的dict的键应该是结果数据帧的列。如果键应为行，则应按如下方式初始化数据帧：

df4 = pd.DataFrame({'a': [1, 2, 3, 4]}, orient='index')

然后运行时：

print(counts.index.to_flat_index())

你得到

Index([(1, 2, 3, 4)], dtype='object')

Answer 2

您可以从多索引的第0级提取索引，如下所示：

>>> counts.index.get_level_values(0)
Int64Index([4, 3, 2, 1], dtype='int64', name='a')

然后，您可以将索引替换为这些值，如下所示：

new_index = pd.Series([5, 6, 7, 8], index=[1, 2, 3, 4])
new_counts = counts.set_axis(
    counts.index.get_level_values(0).map(new_index)
)

print(new_counts)
a
8    1
7    1
6    1
5    1
dtype: int64

但是，您可以简单地对列本身调用.value_counts()，以避免使用多索引：

df['a'].value_counts()