Python数据科学手册-Pandas:层级索引

一维数据和二维数据分别使用Series 和 DataFrame 对象存储。

多维数据：数据索引超过一俩个键。

Pandas提供了Panel 和 Panel4D对象解决三维数据和四维数据。

实践中，更直观的形式是通过层级索引（Hierarchical indexing, 多级索引 = 》 muti-indexing）

配合多个不同等级的一级索引一起使用。

本节介绍 MultiIndex对象的使用，以及普通索引与层级索引的转换

多级索引Series

笨方法
好方法： MultiIndex

上面的笨方法是用元组来表示索引就是多级索引的基础。

可以用元组创建一个多级索引

levels 属性表示索引的等级。

前面的 Series对象使用索引重置（reindex）就转换为MultiIndex

切片获取 2010 年的数据

高维数据的多级索引

可以使用一个带行列索引的简单DataFrame 代替前面的多级索引。

unstack()方法可以快速将一个多级索引的Series 转换为普通索引的DataFrame.

stack()方法反过来

why:

可以使用含多级索引的一维Series 表示二维数据，

就可以使用

Series 或DataFrame 表示三维甚至更高维度的数据。

多级索引每增加以及，就表示数据增加一维。

比如：增加一列显示每一年各州的人口统计指标。

对于带有MultiIndex的对象。增加一列，就和DataFrame一样简单。

多级索引创建方法

为Series 和 DataFrame 创建多级索引最直接的办法就是将index参数设置为至少二维的索引数组。

同理，将元组作为键的字典传递给Pandas, Pandas也会默认转换为MultiIndex

显示的创建多级索引

一个不同等级的若干简单数组组成的列表来构见MultiIndex

2) 包含多个索引值得元组构成的列表

3）俩个索引的笛卡尔积

4）直接提供levels ，注意老版本是labels,新版本是code了。

在创建Series 或 DataFrame时，可以将这些对象作为index参数。或者通过reindex方法更新Series/DataFrame.

多级索引的等级名称

多级列索引

行与列是对称的。

多级索引的取值与切片

1）Series多级索引

单个元素

局部取值

局部切片

较低层级的索引

布尔掩码

花哨索引

2）DataFrame多级索引

DataFrame的基本索引是列索引。

传递多个层级的索引元组

2022年5月31日23:18:51

多级索引行列转换

1）有序的索引和无序的索引

如果MultiIndex不是有序的索引，那么大多数切片操作都会失败。

局部切片要求MultiIndex各级索引有序。按照字典序。

索引排序。 sort_index() sortlevel()

索引stack与unstack

unstack 将一个多级的索引数据转为简单的二维形式， level 设置转换的索引层级。

levle=1

stack是unstack的逆操作。

3）索引的设置与重置

层级数据维度转换的另一种方法是行列标签转换。

可以通过reset_index方法实现。

Series中使用该方法，会生成一个列标签中包含之前行索引标签的state 和 year的 DataFrame.

set_index 逆操作。

多级索引的数据累计方法

可以设置参数 level实现对数据子集的累计操作。

增加axis参数。就可以累计了