正如其他帖子中提到的那样,更容易的方法可能是重置索引、更改数据类型并设置新的索引。
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、更改数据类型并设置新的索引。
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,我发现操作多层索引有时值得努力,有时不值得。更改级别会显得冗长。如果你致力于解决问题,这种方法是可行的:
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:
object
如果您提供创建数据框的示例代码,我可以将其扩展到3个级别,或者您也可以自己解决。 :)
dfmaster_stats.index = dfmaster_stats.index.set_levels([idx.levels[:2], idx.levels[2].astype(str)].replace('.0', ''))
但我收到了错误信息AttributeError: 'str' object has no attribute 'levels'
。 - davidhmpham