重采样DataFrame后如何删除不需要的列？

哈哈，重采样后出现的多层列（MultiIndex）确实刚开始接触的时候有点绕，我来给你几种简单的解决办法！

先搞清楚列结构 #

首先你可以先打印下重采样后的列名，明确它的层级结构：

print(resamp.columns)

你会看到类似这样的输出：

MultiIndex([('a-LTP', 'open'),
('a-LTP', 'high'),
('a-LTP', 'low'),
('a-LTP', 'close'),
('b-Lowest_Sell', 'open'),
...,
('c-Highest_Buy', 'close')],
)

第一层是你原来的列名（a-LTP、b-Lowest_Sell等），第二层是OHLC对应的四个类型（open/high/low/close）。

方法1：一次性提取所有列的close值 #

如果你需要所有原始列对应的close价格，用xs()方法最高效，它能直接从多层索引中切出指定层级的内容：

# axis=1表示操作列，level=1指定取第二层索引里的'close'
close_all = resamp.xs('close', axis=1, level=1)

得到的close_all是普通DataFrame，列名就是你原来的a-LTP、b-Lowest_Sell等，值都是对应的close价格。

方法2：精准提取单个/指定的close列 #

如果你只需要某一个或某几个列的close值，直接用元组索引就可以：

# 只提取a-LTP的close列
ltp_close = resamp[('a-LTP', 'close')]

# 同时提取a-LTP和c-Highest_Buy的close列
selected_close = resamp[[('a-LTP', 'close'), ('c-Highest_Buy', 'close')]]

注意提取多个列时，外层要加列表把元组包起来。

方法3：扁平化列名后再提取 #

如果你觉得多层列用着麻烦，可以先把列名合并成单层，之后就像操作普通DataFrame一样提取：

# 复制一份避免修改原始数据
resamp_flat = resamp.copy()
# 把多层列名用下划线拼接成单层
resamp_flat.columns = ['_'.join(col) for col in resamp_flat.columns]

# 现在直接用新列名提取就行
ltp_close_flat = resamp_flat['a-LTP_close']

这种方式适合后续需要频繁操作列的场景，不用再记多层索引的结构。

内容的提问来源于stack exchange，提问作者KawaiKx