Pandas常见方法（3）-pandas分层索引构建、按层级对换和排序、按层级聚合

说明：本blog基于python3， pandas 1.3.5， numpy 1.22.0版本

---

前言

本文主要介绍pandas的分层索引构建，按层级对换和排序，按层级聚合，共3个部分。并附有代码实例。其中分层索引构建由Series和DataFrame两个研究对象组成；其他两个部分都是以DataFrame为基础。

一、分层索引构建

1.1 Series数据结构

我们可以采用如下方式创建分层索引

import pandas as pd
import numpy as np

a = pd.Series([1,2,3,4,5,6], index = [["a", "a", "b", "b", "c", "c"],["11","22","11","22","11","22"]])
print(a)

###结果
#a  11    1
#   22    2
#b  11    3
#   22    4
#c  11    5
#   22    6
#dtype: int64

由此可见，有几层索引，index参数就是长度为几的list，list中的每个元素依然是list，长度必须与Series长度相等！！！

本题如果我们想取出索引为 “b” 的数组

b = a["b"]
print(b)

结果如下

11    3
22    4
dtype: int64

本题如果我们想取出索引为 （“b” ，“11”）的数组

c = a["b","11"]
print(c)

结果如下

3

很好，符合我们预期
其实，与正常Series取某索引的方法相同。

1.2 两层索引的Series转化为DataFrame

然后，我们想把含有两层索引的Series转化为DataFrame，
使用unstack方法， 方法原理是Series外层索引作为新DataFrame的index，内层索引作为新DataFrame的columns

代码如下

###由分层索引的Series转化为DataFrame，外层索引作为新DataFrame的index，内层索引作为新DataFrame的columns

d = a.unstack()
print