pivot_table多层索引问题

pivot_table可以实现Excel数据透视表的功能，但是经过pivot_table函数处理后的dataframe的列是多层索引，需要转化成单层索引，具体步骤如下：

1、使用pivot_table函数，建立数据透视表

df_1为数据源，包含5列，amount列为数值列，用于聚合；
创建数据透视表，index=['group_series', 'buy_no']，columns=['xmonth']，NA值用0填充，结果如下：

df_1_out=pd.pivot_table(df_1, index=['group_series', 'buy_no'], columns=['xmonth'], values=['amount'], aggfunc='sum', fill_value=0)
df_1_out

2、列索引处理

# 查看列索引
df_1_out.columns

# 查看一级列索引
df_1_out.columns.levels[0]

# 查看二级列索引
df_1_out.columns.levels[1]

# 过滤一级列索引
df_1_out.columns=df_1_out.columns.droplevel(level=0)

查看一级列索引
查看二级列索引
过滤一级列索引

3、行索引处理

# 查看行索引
df_1_out.index

# 重置行索引
df_1_out.reset_index(inplace=True)
df_1_out.index

重置行索引

最终数据结果如下：

最终结果

pivot_table()简介：

DataFrame.pivot_table(values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

values：要聚合的列或列的列表
index：数据透视的index，从原始数据的列中筛选
columns：数据透视表的columns，从原始数据的列中筛选
aggfunc：用于聚合的函数，默认为numpy，mean，支持numpy计算方法
fill_value：填充NA值，默认不填充
margins：添加行列的总计，默认不显示
dropna：如果整行都为NA值，则进行丢弃，默认丢弃
margins_name：在margins参数为true时，用来修改margins的名称