Pandas：多维透视表 - 如何重复项目标签 同时 不显示columns字段名称

来源：How do I flatten a python/pandas pivot table and manipulate the column names?链接这里。

问题：把一般情况下得到的透视表，变成想要的格式：

"""一般情况下，透视表如下："""
df = df [['B1','B2','B3','B4']]
df = pd.pivot_table(df,
                    values=['BUCKET'],
                    index=['ID'],
                    columns=['TYPE'],
                    aggfunc=len)   # 代码中values， index， columns全是列表形式。
# 运行结果如下：
      BUCKET
TYPE  B1     B2       B3      B4
ID
1     236    data1    data2   data3   
2     323    data4    data5   data3
3     442    data6    data2   data4
4     543    data8    data2   data3
5     676    data1    data8   data4

"""想要的格式："""
ID    B1     B2       B3      B4
1     236    data1    data2   data3   
2     323    data4    data5   data3
3     442    data6    data2   data4
4     543    data8    data2   data3
5     676    data1    data8   data4

---

解决方法：

一：使用 pandas- rename_axis。先去除透视表的行名称，再重置透视表的index。

df.columns = df.columns.droplevel(0)  # 即把第一层的column即value字段的名称删除：此处是“BUCKET”
print(df)
TYPE  B1     B2       B3      B4
ID
1     236    data1    data2   data3   
2     323    data4    data5   data3
3     442    data6    data2   data4
4     543    data8    data2   data3
5     676    data1    data8   data4

df_1 = df.rename_axis([None], axis=1)    # columns有N个，就N个None
# None 即column表头的称谓更新为空。axis=1 处理对象是所有column表头的称谓，此处“TYPE”。
# DataFrame.rename_axis: Set the name of the axis for the index or columns.


print(df1)
     B1     B2     B3     B4
ID                          
1   236  data1  data2  data3
2   323  data4  data5  data3
3   442  data6  data2  data4
4   543  data8  data2  data3
5   676  data1  data8  data4

df_2 = df.rename_axis(None, axis=1).reset_index() 
# .reset_index 即撤销原来的index(“ID”由index变为普通的列），index重新由pandas默认值取代（即0, 1, ..., n）。
print(df_2)
   ID   B1     B2     B3     B4
0   1  236  data1  data2  data3
1   2  323  data4  data5  data3
2   3  442  data6  data2  data4
3   4  543  data8  data2  data3
4   5  676  data1  data8  data4
# 如果改为df_2 = df.columns.rename_axis(None, axis=1).reset_index(inplace=True) ，则不会保留原index，即'ID’被删除，由pands默认值取代。

二：直接保存为csv格式，然后读取。

df.columns = df.columns.droplevel(0)
df.to_csv('文件路径+文件名.csv') 
# 如果是中文： df.to_csv('文件路径+文件名.csv'， encoding='gbk') 

打开 ‘文件路径+文件名.csv’ 后，结果是

ID	B1	B2	B3	B4
1	236	data1	data2	data3
2	323	data4	data5	data3
3	442	data6	data2	data4
4	543	data8	data2	data3
5	676	data1	data8	data4

pandas读取 ‘文件路径+文件名.csv’ 后，结果是

df_new = pd.read_csv('文件路径+文件名.csv')
print(df_new)
   ID   B1     B2     B3     B4
0   1  236  data1  data2  data3
1   2  323  data4  data5  data3
2   3  442  data6  data2  data4
3   4  543  data8  data2  data3
4   5  676  data1  data8  data4

---

PS：在df_new的基础上，把index重置为ID，

df_new.set_index('ID', inplace=True)
print(df_new)

不能得到：

ID    B1     B2       B3      B4
1     236    data1    data2   data3   
2     323    data4    data5   data3
3     442    data6    data2   data4
4     543    data8    data2   data3
5     676    data1    data8   data4

得到的而是：

     B1     B2     B3     B4
ID                          
1   236  data1  data2  data3
2   323  data4  data5  data3
3   442  data6  data2  data4
4   543  data8  data2  data3
5   676  data1  data8  data4