有没有一种简单的方法可以对Pandas DataFrame中的列进行分组？

Question

我正在尝试使用Pandas来表示运动捕获数据，该数据具有对N个标记的每个（x，y，z）位置的T测量。例如，在T = 3和N = 4的情况下，原始CSV数据如下所示：

T,Ax,Ay,Az,Bx,By,Bz,Cx,Cy,Cz,Dx,Dy,Dz
0,1,2,1,3,2,1,4,2,1,5,2,1
1,8,2,3,3,2,9,9,1,3,4,9,1
2,4,5,7,7,7,1,8,3,6,9,2,3

这真的很容易加载到DataFrame中，并且我学到了一些简单的技巧（例如，将标记数据转换为z分数或计算速度）。

不过，我想做的一件事是将上面显示的“平面”数据转换为一种在列（标记）上具有层次结构索引的格式，以便在级别0处有N列（每个标记一个） ），那么其中的每一个在级别1上都会有3列（x，y和z分别为1个）。

  A     B     C     D
  x y z x y z x y z x y z
0 1 2 1 3 2 1 4 2 1 5 2 1
1 8 2 3 3 2 9 9 1 3 4 9 1
2 4 5 7 7 7 1 8 3 6 9 2 3

我知道如何加载平面文件，然后直接操作Series对象，也许通过使用append手动创建的MultiIndex或仅使用新创建的DataFrame来实现。

作为熊猫的学习者，感觉必须有一种方法可以轻松完成此任务，但是很难发现。有没有更简单的方法？

Answer 1

基本上，您只需要对列名进行操作即可。

从原始的DataFrame（和一个小的索引操作）开始：

from StringIO import StringIO
import numpy as np
a = pd.read_csv(StringIO('T,Ax,Ay,Az,Bx,By,Bz,Cx,Cy,Cz,Dx,Dy,Dz\n\
    0,1,2,1,3,2,1,4,2,1,5,2,1\n\
    1,8,2,3,3,2,9,9,1,3,4,9,1\n\
    2,4,5,7,7,7,1,8,3,6,9,2,3'))
a.set_index('T', inplace=True)

以便：

>> a
Ax  Ay  Az  Bx  By  Bz  Cx  Cy  Cz  Dx  Dy  Dz
T                                               
0   1   2   1   3   2   1   4   2   1   5   2   1
1   8   2   3   3   2   9   9   1   3   4   9   1
2   4   5   7   7   7   1   8   3   6   9   2   3

然后只需为您的列创建一个元组列表，并使用MultiIndex.from_tuples：

a.columns = pd.MultiIndex.from_tuples([(c[0], c[1]) for c in a.columns])

>> a
    A           B           C           D
    x   y   z   x   y   z   x   y   z   x   y   z
T                                               
0   1   2   1   3   2   1   4   2   1   5   2   1
1   8   2   3   3   2   9   9   1   3   4   9   1
2   4   5   7   7   7   1   8   3   6   9   2   3