pandas 層級索引

來自專欄 數據烹飪

本文針對於數據清理中的層級索引內容，借鑒《Python數據科學手冊》整理而成，屬於筆記一類的文，侵刪。

層級索引，又稱為多級索引，配合多個有不同等級的一級索引一起使用，這樣就可以將高維數組轉換成類似一維Series和二維DataFrame對象的格式。

import pandas as pdimport numpy as np

一、多級索引Series

美國各州在兩個不同年份的數據。用一個Python元組來表示索引：

索引重置，並直接用第二個索引獲取2010年的全部數據，與Pandas的切片查詢方法一致：

unstack() 方法可以快速將一個多級索引的Series轉化為普通索引的DataFrame

stack() 方法實現相反的效果

多級索引每增加一級，就表示數據增加一維，利用這一特點就可以輕鬆表示任意維度的數據了

二、多級索引的創建方法

1、顯示的創建多級索引

可以用 pd.MultiIndex 中的類方法更加靈活地構建多級索引，比如：

• 用若干簡單數組組成的列表
• 包含多個索引值的元組
• 兩個索引的笛卡兒積
• 直接提供levels和labels

2、多級索引的等級名稱

在處理複雜的數據時，為等級設置名稱是管理多個索引值的好辦法。

3、多級索引列

三、 多級索引的取值和切片

可以通過對多個級別索引值獲取單個元素，也支持局部取值（即只取索引的某一個層級）

索引元組的方法不是很方便，容易出錯，下面的例子，更適合用IndexSlice對象

四、多級索引行列轉換

注意：如果MultiIndex不是有序的索引，那麼大多數切片操作都會失敗。

可以通過level參數設置轉換的索引層級：

五、多索引的數據累計方法

對於層級索引數據，可以設置參數level實現對數據子集的累計操作：