为何pandas的value_counts()生成元组索引？如何转为普通索引？

问题场景 #

给定如下Pandas DataFrame：

import pandas as pd

df = pd.DataFrame({'a': ["Q1", "Q2", "Q1", "P1"]})

对应的表格结构：

a
 0  Q1
 1  Q2
 2  Q1
 3  P1

执行counts = df.value_counts(normalize=True)统计后，结果的索引变成了MultiIndex类型：

MultiIndex([('Q1',),
            ('P1',),
            ('Q2',)],
            names=['a'])

希望索引是普通的字符串Index而非MultiIndex，因此提出两个问题：

1. 为什么value_counts会返回MultiIndex？
2. 是否有替代方案或解决方法？

问题解答 #

1. 为什么value_counts返回MultiIndex？ #

因为你调用的是DataFrame的value_counts方法，这个方法的设计初衷是支持对多列组合进行计数（比如同时统计列a和列b的组合出现次数）。为了保持API行为的一致性，不管你是传入单列还是多列，它都会统一返回MultiIndex作为索引，避免因为列数不同返回不同类型索引带来的代码适配问题。

2. 替代方案与解决方法 #

有三种简单的方式可以得到普通Index的统计结果：

• 方法一：直接调用Series的value_counts
  针对目标列（Series对象）调用value_counts，而不是对整个DataFrame调用：

counts = df['a'].value_counts(normalize=True)

此时counts.index就是普通的Index：

Index(['Q1', 'P1', 'Q2'], dtype='object', name='a')

• 方法二：转换已有的MultiIndex
  如果已经得到了MultiIndex格式的结果，可以通过提取元组中的元素将其转换为普通Index：

# 方法1：提取指定层级的值
counts.index = counts.index.get_level_values(0)

# 方法2：通过映射提取元组第一个元素
counts.index = counts.index.map(lambda x: x[0])

• 方法三：使用groupby配合size计算占比
  通过分组统计的方式也能实现相同的归一化计数效果，返回的索引是普通Index：

counts = df.groupby('a').size() / len(df)

内容的提问来源于stack exchange，提问作者Palinuro