Pandas：如何在groupby和unstack之后删除索引列？

Question

我在 groupby 和 unstack a DataFrame 之后删除 pandas 中的索引列时遇到问题。

我原来的 DataFrame 看起来像这样：

example = pd.DataFrame({'date': ['2016-12', '2016-12', '2017-01', '2017-01', '2017-02', '2017-02', '2017-02'], 'customer': [123, 456, 123, 456, 123, 456, 456], 'sales': [10.5, 25.2, 6.8, 23.4, 29.5, 23.5, 10.4]})
example.head(10)

输出：

	日期	顾客	销售量
0	2016年12月	123	10.5
1	2016年12月	第456章	25.2
2	2017年01月	123	6.8
3	2017年01月	第456章	23.4
4	2017年2月	123	29.5
5	2017年2月	第456章	23.5
6	2017年2月	第456章	10.4

请注意，一名客户每月可能有多次销售（如第 5 行和第 6 行）。

我的目标是将 DataFrame 转换为聚合 DataFrame，如下所示：

顾客	2016年12月	2017年01月	2017年02月
123	10.5	6.8	29.5
234	25.2	23.4	33.9

到目前为止我的解决方案：

example = example[['date', 'customer', 'sales']].groupby(['date', 'customer']).sum().unstack('date')
example.head(10)

输出：

	销售量
日期	2016年12月	2017年01月	2017年02月
顾客
123	10.5	6.8	29.5
234	25.2	23.4	33.9

example = example['sales'].reset_index(level=[0])
example.head(10)

输出：

日期	顾客	2016年12月	2017年01月	2017年02月
0	123	10.5	6.8	29.5
1	234	25.2	23.4	33.9

此时我无法删除“日期”列：

example.reset_index(drop = True)
example.head()

输出：

日期	顾客	2016年12月	2017年01月	2017年02月
0	123	10.5	6.8	29.5
1	234	25.2	23.4	33.9

它只是保持不变。你有什么想法吗？

Answer 1

您的解决方案的替代方案，但关键是添加 a rename_axis(columns = None)，因为它date是列轴的名称：

(example[["date", "customer", "sales"]]
.groupby(["date", "customer"])
.sum()
.unstack("date")
.droplevel(0, axis="columns")
.rename_axis(columns=None)
.reset_index())

    customer    2016-12 2017-01 2017-02
0   123          10.5   6.8     29.5
1   456          25.2   23.4    33.9