Pandas学习笔记五——层级索引

Pandas学习——层级索引

pandas数据结构中最常用的是Series和DataFrame，它们分别用于处理一维数据和二维数据。但我们也经常遇到存储多维数据的需求，数据索引超过一两个键，这种情况下的数据超出了上面两种数据结构能够表示的范围，Pandas提供了Panel和Panel4D对象来解决三维数据和四维数据。而实践中，更直观的形式是通过层级索引，配合多个不同等级（level）的一级索引一起使用，这样就可以将高维数组转化为类似一维Series和二维DataFrame对象的形式。

创建层级索引的数据结构

我们先来看个通过层级索引将DataFrame数据转化为Series数据结构的例子：

import numpy as np
import pandas as pd
#创建一个DataFrame对象
data = [[33871648, 37253956],
        [18976457, 19378102],
        [20851820, 25145561]]
pop = pd.DataFrame(data,columns=[2000, 2010],index=['California', 'New York', 'Texas'])
pop

Out[30]: 
                2000      2010
California  33871648  37253956
New York    18976457  19378102
Texas       20851820  25145561


#通过层级索引创建一个与上面DataFrame等价的Series
data_1 = [33871648, 37253956, 18976457, 19378102, 20851820, 25145561]
#通过两个索引的笛卡尔积，创建MultiIndex对象
index_1 = pd.MultiIndex.from_product([['California', 'New York','Texas'],[2000,