如何为清晰起见在pandas DataFrame中“命名”列/行？

Question

我正在尝试找出如何为我的pandas DataFrame中的行和列“命名”，以便更加清晰。我不确定它叫什么，但我想创建这样一张表： 是否有一种简单的方式可以在列名顶部添加“实际类”（Actual class），并在行名左侧添加“预测类”（Predicted class），以便澄清？

- lumenwrites

---

当我在谷歌上搜索时，我可以看到pandas有一种叫做“多索引”的东西。那能不能用它来创建一个类似这样的表格呢？ - lumenwrites

Answer 1

从 df 开始

classes = ['Cat', 'Dog', 'Rabbit']
df = pd.DataFrame([[5, 2, 0], [3, 3, 2], [0, 1, 11]], classes, classes)
df

        Cat  Dog  Rabbit
Cat       5    2       0
Dog       3    3       2
Rabbit    0    1      11

pandas.concat

pd.concat(
    [pd.concat(
        [df],
        keys=['Actual Class'], axis=1)],
    keys=['Predicted Class']
)

                       Actual Class           
                                Cat Dog Rabbit
Predicted Class Cat               5   2      0
                Dog               3   3      2
                Rabbit            0   1     11

---

pandas.MultiIndex.from_product

Reconstruct

pd.DataFrame(
    df.values,
    pd.MultiIndex.from_product([['Predicted Class'], df.index]),
    pd.MultiIndex.from_product([['Actual Class'], df.columns])
)

                       Actual Class           
                                Cat Dog Rabbit
Predicted Class Cat               5   2      0
                Dog               3   3      2
                Rabbit            0   1     11

- piRSquared

---

df = pd.DataFrame([[5, 2, 0], [3, 3, 2], [0, 1, 11]], classes, classes) 做到了。 - seralouk

Answer 2

pd.DataFrame({
('Actual class', 'Cat'): {('Predicted class', 'Cat'): 5, ('Predicted class', 'Dog'): 2, ('Predicted class', 'Rabbit'): 0},
('Actual class', 'Dog'): {('Predicted class', 'Cat'): 3, ('Predicted class', 'Dog'): 3, ('Predicted class', 'Rabbit'): 2},
('Actual class', 'Rabbit'): {('Predicted class', 'Cat'): 0, ('Predicted class', 'Dog'): 1, ('Predicted class', 'Rabbit'): 11},
    })

我不确定这是否是一个好主意，为了澄清数据框的字符串表示形式，您创建了一个 MultiIndex。这将使代码变得复杂，没有任何有用的东西。

- Corentin Limier

Answer 3

你确实可以创建一个多索引：

In [1]: import pandas as pd
   ...: import numpy as np


In [2]: arrays = [['Cat','Dog','Rabbit']*3,
   ...:          ['Cat']*3+['Dog']*3+['Rabbit']*3]     

In [3]: tuples = list(zip(*arrays))

In [4]: index = pd.MultiIndex.from_tuples(tuples, names=['Predicted class', 'Actual class'])

In [5]: index
Out[5]: 
MultiIndex(levels=[['Cat', 'Dog', 'Rabbit'], ['Cat', 'Dog', 'Rabbit']],
           labels=[[0, 1, 2, 0, 1, 2, 0, 1, 2], [0, 0, 0, 1, 1, 1, 2, 2, 2]],
           names=['Predicted class', 'Actual class'])

In [6]: numbers = [5,3,0,2,3,1,0,2,11]

In [7]: data = pd.Series(numbers, index=index)

In [8]: df = pd.DataFrame(data.unstack('Actual class'))

In [9]: df
Out[9]: 
Actual class     Cat  Dog  Rabbit
Predicted class                  
Cat                5    2       0
Dog                3    3       2
Rabbit             0    1      11

- hendriksc1