पायथन - पैंडास डेटाफ्रेम में मल्टी-लेवल कॉलम इंडेक्स से एक लेवल हटाएं

परिचय

पैंडास डेटाफ्रेम में मल्टी-लेवल कॉलम इंडेक्स से एक लेवल हटाने के लिए columns.droplevel() मेथड का उपयोग किया जाता है। हमने कॉलम-वाइज इंडेक्स बनाने के लिए MultiIndex.from_tuples() का उपयोग किया है।

चरण-दर-चरण कार्यान्वयन

1. कॉलम-वाइज इंडेक्स बनाएं

import pandas as pd
items = pd.MultiIndex.from_tuples([
    ("Col 1", "Col 1", "Col 1"),
    ("Col 2", "Col 2", "Col 2"),
    ("Col 3", "Col 3", "Col 3")
])

2. मल्टीइंडेक्स ऐरे बनाएं और डेटाफ्रेम तैयार करें

import numpy as np
arr = [
    np.array(['car', 'car', 'car', 'bike', 'bike', 'bike', 'truck', 'truck', 'truck']),
    np.array(['valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC'])
]
dataFrame = pd.DataFrame(np.random.randn(9, 3), index=arr, columns=items)

3. इंडेक्स को लेबल करें

dataFrame.index.names = ['level 0', 'level 1']

4. इंडेक्स 0 पर लेवल हटाएं

dataFrame.columns = dataFrame.columns.droplevel(0)

पूर्ण उदाहरण

import numpy as np
import pandas as pd

items = pd.MultiIndex.from_tuples([
    ("Col 1", "Col 1", "Col 1"),
    ("Col 2", "Col 2", "Col 2"),
    ("Col 3", "Col 3", "Col 3")
])

arr = [
    np.array(['car', 'car', 'car', 'bike', 'bike', 'bike', 'truck', 'truck', 'truck']),
    np.array(['valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC', 'valueA', 'valueB', 'valueC'])
]

dataFrame = pd.DataFrame(np.random.randn(9, 3), index=arr, columns=items)
dataFrame.index.names = ['level 0', 'level 1']

print("DataFrame...\n", dataFrame)
print("\nDropping a level...\n")
dataFrame.columns = dataFrame.columns.droplevel(0)
print("Updated DataFrame..\n", dataFrame)

आउटपुट

इससे निम्न आउटपुट प्राप्त होगा:

DataFrame...                    Col 1        Col 2        Col 3        Col 1        Col 2        Col 3        Col 1        Col 2        Col 3
level 0 level 1
car     valueA    1.691127    0.315145   -0.695925    -2.077182   -2.027643   -0.523965     1.021402   -0.384421    0.640215
        valueB   -2.271217    0.197185    0.304847     0.119615   -0.520491   -0.746547     1.856888   -0.491540   -1.754604
        valueC    0.829854   -0.204102   -1.130511     0.310692    0.119087   -0.244919    -0.245934   -2.141639   -1.298278
bike    valueA   -2.271217    0.197185    0.304847     0.119615   -0.520491   -0.746547     1.856888   -0.491540   -1.754604
        valueB    0.119615   -0.520491   -0.746547     1.856888   -0.491540   -1.754604    -0.245934   -2.141639   -1.298278
        valueC    1.856888   -0.491540   -1.754604    -0.245934   -2.141639   -1.298278     0.829854   -0.204102   -1.130511
truck   valueA    0.829854   -0.204102   -1.130511     0.310692    0.119087   -0.244919    -0.245934   -2.141639   -1.298278
        valueB    0.310692    0.119087   -0.244919    -0.245934   -2.141639   -1.298278     0.829854   -0.204102   -1.130511
        valueC   -0.245934   -2.141639   -1.298278     0.829854   -0.204102   -1.130511     0.310692    0.119087   -0.244919

Dropping a level...
Updated DataFrame..
                    Col 1        Col 2        Col 3        Col 1        Col 2        Col 3
level 0 level 1
car     valueA    1.691127    0.315145   -0.695925    -2.077182   -2.027643   -0.523965
        valueB    1.021402   -0.384421    0.640215    -2.271217    0.197185    0.304847
        valueC    0.119615   -0.520491   -0.746547     1.856888   -0.491540   -1.754604
bike    valueA    0.829854   -0.204102   -1.130511     0.310692    0.119087   -0.244919
        valueB   -0.245934   -2.141639   -1.298278     0.829854   -0.204102   -1.130511
        valueC    0.310692    0.119087   -0.244919    -0.245934   -2.141639   -1.298278
truck   valueA    0.829854   -0.204102   -1.130511     0.310692    0.119087   -0.244919
        valueB   -0.245934   -2.141639   -1.298278     0.829854   -0.204102   -1.130511
        valueC    0.310692    0.119087   -0.244919    -0.245934   -2.141639   -1.298278