如何访问pivot_table生成的MultiIndex DataFrame列并修改列名

我有如下原始DataFrame：

import pandas as pd

df = pd.DataFrame({'slide': [0, 0, 1, 1, 2, 2, 0, 0],
                   'time': [1673, 17892, 1132, 61730, 2323, 8491, 3958, 3432],
                   'frame': ['-1', '0', '-1', '0', '-1', '0', '-1', '0'],
                   'id': [1111, 1111, 1132, 1132, 4636, 4636, 7711, 7711],
                   'name': ['foo', 'foo', 'bar', 'bar', 'zoo', 'zoo', 'baz', 'baz']})

输出结果：

slide   time frame    id name
0      0   1673    -1  1111  foo
1      0  17892     0  1111  foo
2      1   1132    -1  1132  bar
3      1  61730     0  1132  bar
4      2   2323    -1  4636  zoo
5      2   8491     0  4636  zoo
6      0   3958    -1  7711  baz
7      0   3432     0  7711  baz

执行透视表操作：

pivoted_df = pd.pivot_table(df, index=['id','name'], values='time', columns=['frame']).astype(int)

得到结果：

frame        -1      0
id   name             
1111 foo   1673  17892
1132 bar   1132  61730
4636 zoo   2323   8491
7711 baz   3958   3432

我希望将结果调整为以下格式：

id   name    ON    OFF    
1111 foo   1673  17892
1132 bar   1132  61730
4636 zoo   2323   8491
7711 baz   3958   3432

作为Pandas新手，刚了解MultiIndex，尝试用df['0']['id']和df['0','id']访问列均报错，求解决方法。

方法一：透视后重命名列 #

先执行透视操作，再对列名进行替换，同时可以去掉列索引的名称（即顶部的frame）：

# 执行透视并转换数据类型
pivoted_df = pd.pivot_table(df, index=['id','name'], values='time', columns=['frame']).astype(int)
# 将原列名'-1'、'0'替换为'ON'、'OFF'
pivoted_df = pivoted_df.rename(columns={'-1': 'ON', '0': 'OFF'})
# 移除列索引的名称（可选，若不需要顶部的"frame"标签则执行）
pivoted_df.columns.name = None

方法二：先替换列值再透视 #

先对原始DataFrame的frame列做值映射，再执行透视，直接得到目标列名：

# 替换frame列的取值
df['frame'] = df['frame'].map({'-1': 'ON', '0': 'OFF'})
# 执行透视操作
pivoted_df = pd.pivot_table(df, index=['id','name'], values='time', columns=['frame']).astype(int)
# 移除列索引名称（可选）
pivoted_df.columns.name = None

关于MultiIndex访问的误区 #

你之前的访问方式错误，原因是：

• id和name是行级的MultiIndex，不是列；'-1'和'0'才是透视后的列名。
• 正确的访问方式示例：
  • 访问单列：pivoted_df['-1'] 或 pivoted_df.loc[:, '-1']
  • 访问指定行：比如获取id=1111且name=foo的所有数据，用pivoted_df.loc[(1111, 'foo'), :]

内容的提问来源于stack exchange，提问作者ju09