将多重索引序列转换成pandas数据框。

Question

我有一个带有两个索引的pandas系列:

df_agg=df.groupby(['yearID','teamID']).sum()['Salary']
df_agg.head()

yearID  teamID
1985    ATL       14807000
        BAL       11560712
        BOS       10897560
        CAL       14427894
        CHA        9846178

我希望你能将int转换成类似以下的pandas数据框：

yearID     teamID    Salary
1985        ATL       14807000
1985        BAL       11560712
1985        BOS       10897560
1985        CAL       14427894
1985        CHA        9846178

我尝试使用：

df_new=df_agg.reset_index(inplace=True)

但是我收到了以下错误：

---

类型错误 追踪 (最近的调用在最上面) in () ----> 1 df_new=df_agg.reset_index(inplace=True)

在C:\Users\ameimand\AppData\Local\Continuum\Anaconda3\lib\site-packages\pandas\core\series.py中，重置索引时出现了问题。您可以尝试修改参数 level、drop 或 name，或者使用 inplace 参数来直接修改原始数据。

    index=new_index).__finalize__(self)
    967         elif inplace:
--> 968             raise TypeError('Cannot reset_index inplace on a Series '
    969                             'to create a DataFrame')
    970         else:

TypeError: Cannot reset_index inplace on a Series to create a DataFrame

- Amir

Answer 1

我认为有两种不错的解决方案，参数as_index=False:

df_new = df.groupby(['yearID','teamID'], as_index=False)['Salary'].sum()

或者 reset_index 没有 inplace=True:

df_new = df.groupby(['yearID','teamID'])['Salary'].sum().reset_index()

注意:

更好的做法是在[]中在groupby之后指定聚合的列名，例如['Salary']:

df.groupby(['yearID','teamID'], as_index=False)['Salary']

作为:

df.groupby(['yearID','teamID']).sum()['Salary']

因为这个聚合了所有的列然后只选择 Salary。

- jezrael