Python – Pandasデータフレームのマルチレベル列インデックスから複数のレベルを削除する方法

マルチレベル（階層型）の列インデックスから複数のレベルを削除したい場合は、columns.droplevel() を繰り返し使用します。列方向にインデックスを作成するには、MultiIndex.from_tuples() を利用します。

まず、タプルを使って列方向のマルチインデックスを作成します。

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

マルチインデックスデータフレームの作成

次に、複数のNumPy配列からなるマルチインデックス用の配列を用意し、それをもとにマルチインデックスのデータフレームを作成します。

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

np.array(['valueA', 'valueB', 'valueC','valueA', 'valueB', 'valueC','valueA', 'valueB', 'valueC'])]

# マルチインデックスデータフレームの作成
dataFrame = pd.DataFrame(np.random.randn(9, 3), index=arr,columns=items)

インデックスへのラベル付け

行インデックスには分かりやすいように名前を付けておきましょう。

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

レベルの削除方法

インデックス位置0にあるレベルを削除するには、以下のように droplevel(0) を指定します。

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

これで位置0のレベルが削除されました。削除後は、元のレベル1が新しいレベル0になります。さらに別のレベルも削除したい場合は、同じコードをもう一度実行するだけです。

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

このように droplevel() を繰り返し呼び出すことで、マルチレベル列インデックスから必要な数だけレベルを取り除くことができます。

サンプルコード

以下に、ここまでの手順をまとめた完全なコード例を示します。

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")])

# マルチインデックス用の配列
arr = [np.array(['car', 'car', 'car','bike','bike', 'bike', 'truck', 'truck', 'truck']),

np.array(['valueA', 'valueB', 'valueC','valueA', 'valueB', 'valueC','valueA', 'valueB', 'valueC'])]

# マルチインデックスデータフレームの作成
dataFrame = pd.DataFrame(np.random.randn(9, 3), index=arr,columns=items)

# インデックスにラベルを付ける
dataFrame.index.names = ['one', 'two']
print("DataFrame...\n",dataFrame)

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

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

実行結果

上記のコードを実行すると、次のような出力が得られます。

DataFrame...
                    Col 1     Col 2     Col 3
                    Col 1     Col 2     Col 3
                    Col 1     Col 2     Col 3
one      two
car      valueA   0.425077   0.020606   1.148156
         valueB  -1.720355   0.502863   1.184753
         valueC   0.373106   1.300935  -0.128404
bike     valueA  -0.648708   0.944725   0.593327
         valueB  -0.613921  -0.238730  -0.218448
         valueC   0.313042  -0.628065   0.910935
truck    valueA   0.286377   0.478067  -1.000645
         valueB   1.151793  -0.171433  -0.612346
         valueC  -1.358061   0.735075   0.092700

Dropping a level...

Updated DataFrame..
                    Col 1     Col 2     Col 3
                    Col 1     Col 2     Col 3
one      two
car      valueA   0.425077   0.020606   1.148156
         valueB  -1.720355   0.502863   1.184753
         valueC   0.373106   1.300935  -0.128404
bike     valueA  -0.648708   0.944725   0.593327
         valueB  -0.613921  -0.238730  -0.218448
         valueC   0.313042  -0.628065   0.910935
truck    valueA   0.286377   0.478067  -1.000645
         valueB   1.151793  -0.171433  -0.612346
         valueC  -1.358061   0.735075   0.092700

Dropping another level...

Updated DataFrame..
                    Col 1     Col 2     Col 3
one      two
car      valueA   0.425077  0.020606  1.148156
         valueB  -1.720355  0.502863  1.184753
         valueC   0.373106  1.300935 -0.128404
bike     valueA  -0.648708  0.944725  0.593327
         valueB  -0.613921 -0.238730 -0.218448
         valueC   0.313042 -0.628065  0.910935
truck    valueA   0.286377  0.478067 -1.000645
         valueB   1.151793 -0.171433 -0.612346
         valueC  -1.358061  0.735075  0.092700