请考虑以下DataFrame:
df1 = pd.DataFrame(np.ones((2, 2)), index=["A", "B"], columns=["foo", "bar"])
print(df1)
foo bar
A 1.0 1.0
B 1.0 1.0
print(df1.stack())
A foo 1.0
bar 1.0
B foo 1.0
bar 1.0
我希望堆叠此DataFrame，以使该列处于级别0而不是-1.但是，当我在参数中传递此参数时，似乎得到了相同的结果:
print(df1.stack(level=0))
A foo 1.0
bar 1.0
B foo 1.0
bar 1.0
似乎我没有正确理解Level参数是如何工作的.此外，我希望使用Level参数，而不是首先透视DataFrame，因为我在实践中处理的是多指数.
stack的level参数指示应该堆叠哪个column级别，而不是其在索引中的目的地.
在这里，柱只有一个标高，因此0和-1实际上是相同的柱标高.
请考虑下面的另一个示例:
df1 = pd.DataFrame(np.ones((2, 2)), index=['A', 'B'],
columns=pd.MultiIndex.from_tuples([('X', "foo"),
('X', 'bar')]))
X
foo bar
A 1.0 1.0
B 1.0 1.0
df1.stack(level=0)
bar foo
A X 1.0 1.0
B X 1.0 1.0
df1.stack(level=-1)
X
A bar 1.0
foo 1.0
B bar 1.0
foo 1.0
您可能正在寻找swaplevel/reorder_levels:
df1.stack().swaplevel()
# or
df1.stack().reorder_levels([1, 0])
foo A 1.0
bar A 1.0
foo B 1.0
bar B 1.0
dtype: float64