pandas-8分层和多级索引

pandas -8 分层和多级索引

Multi-level indexing. 在 “pandas -2 索引和选择数据” 一节中, 已经提到了如何选择行列元素, 而Series 和 Dataframe 是低维度的数据结构，对于更高维度的数据，可以通过分层和多级索引来实现。

分层索引的创建

创建分层索引的方式有很多, 这里直接摘抄自官方的文档，可以通过元组，列表，Dataframe, arrays 等方式生成分层索引。

同时要知道，通过 groupby 分组操作之后得到的也是这种分层结构。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45

// 1. 元组 In: arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo','qux', 'qux'], ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']] tuples = list(zip(*arrays)) Out: [('bar', 'one'), ('bar', 'two'), ('baz', 'one'), ('baz', 'two'), ('foo', 'one'), ('foo', 'two'), ('qux', 'one'), ('qux', 'two')] In: index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second']) df = pd.Series(np.random.randn(8), index=index) Out: first second bar one 0.469112 two -0.282863 baz one -1.509059 two -1.135632 foo one 1.212112 two -0.173215 qux one 0.119209 two -1.044236 dtype: float64 // 2. dataftame index = pd.MultiIndex.from_frame(df) // 3. arrays In: arrays = [np.array(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux']), np.array(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'])] s = pd.Series(np.random.randn(8), index=arrays)

从DataFrame 产生 MultiIndex

1	df = df.set_index(['col1','col2'])

MultiIndex 转化成 列

1	df = df.reset_index()

选择不同层

查看不同层的索引值。

1 2 3 4 5 6 7

In: index.get_level_values(0) index.get_level_values("name") Out: Index(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'], dtype='object', name='first')

根据不同层索引

1 2 3 4 5 6

df["bar"] df["one"] df["bar"]["one"] // 元组 df.loc[('bar', 'two')]

注意, 切片时不会改变 多层索引。