深入了解 Pandas 中的层次化索引（Hierarchical Indexing)_续

数据重塑stack 与unstack函数

stack()

• level：参数用于指定在多级列索引的情况下，要堆叠的列索引级别（level）。默认情况下，level 参数为 -1，表示堆叠最内层的列索引。
• dropna： 参数是一个布尔值，用于指定是否在堆叠过程中删除包含缺失值（NaN）的行。默认情况下，dropna 为 True，表示删除包含缺失值的行。
• name：参数用于指定生成的 Series 或 DataFrame 的列名称。可以指定一个字符串作为列名称，用于标识生成的 Series 或 DataFrame。

import numpy as np
import pandas as pd
from pandas import DataFrame, Series

columns = pd.MultiIndex.from_product([['期中', '期末'], ['语文', '数学']])
index = [['一班', '一班', '一班', '二班', '二班','二班'], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八']]
data = np.random.randint(0, 150, size=(6, 4))
df = DataFrame(index=index, columns=columns, data=data)
df

		期中		期末
		语文	数学	语文	数学
一班	张三	3	67	56	101
	李四	111	116	110	16
	王五	21	38	109	141
二班	赵六	34	21	55	49
	田七	116	73	26	148
	孙八	52	48	94	127

# 默认level = -1 将最内层的列索引旋转为最内层的行索引
df.stack()

			期中	期末
一班	张三	数学	67	101
		语文	3	56
	李四	数学	116	16
		语文	111	110
	王五	数学	38	141
		语文	21	109
二班	赵六	数学	21	49
		语文	34	55
	田七	数学	73	148
		语文	116	26
	孙八	数学	48	127
		语文	52	94

df.stack(level=0) # 将一级列索引旋转为最内层的行索引

			数学	语文
一班	张三	期中	67	3
		期末	101	56
	李四	期中	116	111
		期末	16	110
	王五	期中	38	21
		期末	141	109
二班	赵六	期中	21	34
		期末	49	55
	田七	期中	73	116
		期末	148	26
	孙八	期中	48	52
		期末	127	94

unstack()

用于将行索引转换为列索引

具有stack()相同的参数，此外还有一个特有的填充参数：

• fill_value：用于指定在数据重塑过程中填充缺失值的值。如果在转换过程中某些索引组合不存在，则会用 fill_value 指定的值填充这些缺失值。

# 默认level=-1,转换最内层的行索引
#给一个fill_value去填充NaN； 没有指定默认用NaN填充
df.unstack(fill_value=0)

	期中										...	期末
	语文						数学				...	语文				数学
	孙八	张三	李四	王五	田七	赵六	孙八	张三	李四	王五	...	李四	王五	田七	赵六	孙八	张三	李四	王五	田七	赵六
一班	0	3	111	21	0	0	0	67	116	38	...	110	109	0	0	0	101	16	141	0	0
二班	52	0	0	0	116	34	48	0	0	0	...	0	0	26	55	127	0	0	0	148	49

2 rows × 24 columns

# df.unstack(fill_value=0) 将最内层行索引转换为最内层的列索引
# .stack(level=(0, 1)) 将 1 2层的索引转换为列索引
# .unstack(level=0) # 将最外层的行索引转换为内层的列索引
df1 = df.unstack(fill_value=0).stack(level=(0, 1)).unstack(level=0)
df1

		孙八		张三		李四		王五		田七		赵六
		一班	二班	一班	二班	一班	二班	一班	二班	一班	二班	一班	二班
期中	数学	0	48	67	0	116	0	38	0	0	73	0	21
	语文	0	52	3	0	111	0	21	0	0	116	0	34
期末	数学	0	127	101	0	16	0	141	0	0	148	0	49
	语文	0	94	56	0	110	0	109	0	0	26	0	55

思考：如果我们需要交换一下 列一二级索引，该怎么实现呢？
使用swaplevel函数

swaplevel(0, 1, axis=1)

用于在多层行索引和列索引之间交换级别

• level0, level1：这两个参数用于指定要交换的级别的位置或名称;在多层索引中，级别从 0 开始计数。

• axis：这个参数用于指定要在哪个轴上进行级别的交换。对于 DataFrame 对象，axis=0 表示在行索引上进行操作，axis=1 表示在列索引上进行操作。

# 交换列一，二级索引
df1.swaplevel(0, 1, axis=1)

		一班	二班	一班	二班	一班	二班	一班	二班	一班	二班	一班	二班
		孙八	孙八	张三	张三	李四	李四	王五	王五	田七	田七	赵六	赵六
期中	数学	0	48	67	0	116	0	38	0	0	73	0	21
	语文	0	52	3	0	111	0	21	0	0	116	0	34
期末	数学	0	127	101	0	16	0	141	0	0	148	0	49
	语文	0	94	56	0	110	0	109	0	0	26	0	55

聚合操作

df

		期中		期末
		语文	数学	语文	数学
一班	张三	3	67	56	101
	李四	111	116	110	16
	王五	21	38	109	141
二班	赵六	34	21	55	49
	田七	116	73	26	148
	孙八	52	48	94	127

df_1 = df.loc['一班', '期中'].copy()
df_1

	语文	数学
张三	3	67
李四	111	116
王五	21	38

# 默认axis=0对行聚合, 留下了列, 最后的效果就是求的每一列的和. 
df_1.sum()
"""
语文    135
数学    221
dtype: int64
"""

# axis=1对列聚合,每一行的和. 
df_1.sum(axis=1)
"""
张三     70
李四    227
王五     59
dtype: int64
"""

# 计算一班二班, 各科, 期中期末的平均成绩. 
# axis=0, 意味着对行进行聚合. 
# level=0表示要保留level0, 除此之外的行索引, 就会被聚合掉.
df.sum(level=0, axis=0)

	期中		期末
	语文	数学	语文	数学
一班	135	221	275	258
二班	202	142	175	324

groupby()

根据指定的条件将数据分组并对每个分组应用相应的操作

• by：这是最重要的参数，用于指定分组依据的列名、列名列表、Series、索引级别等；用于只有一级索引的聚合。

• axis：指定分组的方向，axis=0 表示按行分组（默认值），axis=1 表示按列分组。

• level：如果数据是多层索引的 DataFrame，可以使用 level 参数指定要在哪个级别上进行分组。

• sort：默认为 True，表示在分组过程中是否对结果进行排序。

• as_index：默认为 True，表示分组的依据列会变成结果 DataFrame 的索引。如果设置为 False，则不会将分组列设置为索引。

其他参数：group_keys、squeeze、observed 等，用于控制分组的其他行为。

# 默认axix=0按行分组；level=0默认按第0级行索引聚合
df.groupby(level=0).sum()

	期中		期末
	语文	数学	语文	数学
一班	135	221	275	258
二班	202	142	175	324

# 求一班二班, 期中, 期末总成绩. 
df.groupby(level=0).sum().stack().groupby(level=0).sum()

	期中	期末
一班	356	533
二班	344	499

# 求期末和期中每科目的平均成绩；对列操作. 期中期末要平均掉. 
df.groupby(axis=1, level=1).mean()

		数学	语文
一班	张三	84.0	29.5
	李四	66.0	110.5
	王五	89.5	65.0
二班	赵六	35.0	44.5
	田七	110.5	71.0
	孙八	87.5	73.0

# 求期中与期末中每个同学各科目的最高分
df.groupby(axis=1, level=1).max()

		数学	语文
一班	张三	101	56
	李四	116	111
	王五	141	109
二班	赵六	49	55
	田七	148	116
	孙八	127	94