3.6 层级索引

3.6 层级索引

当遇到多维数据，数据索引超过一两个键，可通过层级索引（也叫多级索引）配合多个有不同等级的一级索引一起使用。

 

import numpy as np

import pandas as pd

3.6.1 多级索引Series

如何用一维的Series对象表示二维数据

笨办法

用元组表示索引

 

index = [('California', 2000), ('California', 2010),

         ('New York', 2000), ('New York', 2010),

         ('Texas', 2000), ('Texas', 2010)]

populations = [33871648, 37253956,

               18976457, 19378102,

               20851820, 25145561]

pop = pd.Series(populations, index=index)

pop

(California, 2000)    33871648
(California, 2010)    37253956
(New York, 2000)      18976457
(New York, 2010)      19378102
(Texas, 2000)         20851820
(Texas, 2010)         25145561
dtype: int64

 

# 通过元组构成的多级索引，直接取值或切片

pop[('California', 2010):('Texas', 2000)]

(California, 2010)    37253956
(New York, 2000)      18976457
(New York, 2010)      19378102
(Texas, 2000)         20851820
dtype: int64

 

# 不方便直接获得元组中的项的所有数据，如2010年的所有数据

pop[[i for i in pop.index if i[1] == 2010]]

(California, 2010)    37253956
(New York, 2010)      19378102
(Texas, 2010)         25145561
dtype: int64

好办法：Pandas多级索引

pd可以用元组创建多级索引：MultiIndex类型

 

index = pd.MultiIndex.from_tuples(index)

index

MultiIndex(levels=[['California', 'New York', 'Texas'], [2000, 2010]],
           labels=[[0, 0, 1, 1, 2, 2], [0, 1, 0, 1, 0, 1]])

level属性表示索引的等级，每个数据都有多级的不同的标签

 

# 将pop数据的索引重置，可见层级索引

pop = pop.reindex(index)

pop

California  2000    33871648
            2010    37253956
New York    2000    18976457
            2010    19378102
Texas       2000    20851820
            2010    25145561
dtype: int64

 

# 现在用切片的方式查询2010年的全部数据

pop[:, 2010]

California    37253956
New York      19378102
Texas         25145561
dtype: int64

 

pop['California']  # 不用 pop['California', :]

2000    33871648
2010    37253956
dtype: int64

高维数据的多级索引

二维多级索引的Series对象可以和DF对象相互转化，有专用的方法

 

# 二维Series转DF

pop_df = pop.unstack()

pop_df

	2000	2010
California	33871648	37253956
New York	18976457	19378102
Texas	20851820	25145561

 

# DF转二维Series

pop_df.stack()

California  2000    33871648
            2010    37253956
New York    2000    18976457
            2010    19378102
Texas       2000    20851820
            2010    25145561
dtype: int64

通过添加数据，可以提升数据的维数，而这很轻松方便

 

# 添加18岁以下人口的数据

pop_df = pd.DataFrame({'total': pop,

                       'under18': [9267089, 9284094,

                                   4687374, 4318033,

                                   5906301, 6879014]})

pop_df

		total	under18
California	2000	33871648	9267089
	2010	37253956	9284094
New York	2000	18976457	4687374
	2010	19378102	4318033
Texas	2000	20851820	5906301
	2010	25145561	6879014

通用函数和其他功能也适用于多级索引

 

# 计算18岁以下人口占总人口的比例

f_u18 = pop_df['under18'] / pop_df['total']

f_u18.unstack()

	2000	2010
California	0.273594	0.249211
New York	0.247010	0.222831</