DataFrame多层索引

1、创建

相较于一层索引，在创建多层索引时给字段添加关系，其创建方法包括运用元组、数组、笛卡尔积，在普通DataFrame中创立。

 1.1方式一使用pd.MultiIndex.from_tuples创建索引

tuples为元组 含义就是使用pandas中用元组建立多层索引

import pandas as pd
import numpy as np

#这里创建的两层索引，姓名、考试
index_lables=[('张三','期中'),('张三','期末'),('李四','期中'),('李四','期末')]

mult_index = pd.MultiIndex.from_tuples(index_lables,names=('name','exam'))

data = {
    'python':[98,149,130,147],
    'math':[95,78,143,104]
}
df=pd.DataFrame(data,index=mult_index)

1.2方式二：使用pd.MultiIndex.from_arrays（数组）

index_labels = [['张三','张三','李四','李四'],['期中','期末','期中','期末']]

mult_index=pd.MultiIndex.from_arrays(index_labels,names=('name','exam'))
df=pd.DataFrame(data,index=mult_index)

1.3方式三：使用pd.MultiIndex.from_product（笛卡尔积）

index_lables=pd.MultiIndex.from_product([['张三','李四','王五','赵六'],
                                        ['期中','期末']],
                                        names=['name','exam'])
df=pd.DataFrame(np.random.randint(80,150, size=(8,2)),
                index=index_lables,
                columns=['python','math']
                )

df1=pd.DataFrame(np.random.randint(80,150,size=(2,4)),
                 index=['张三','李四'],
                 columns=pd.MultiIndex.from_product([['python','math'],['期中','期末']]))

笛卡尔积使用的不同其创建的dataframe也不同

df1

df

 1.4方式四在已有的DataFrame基础上创建

使用set_index方法进行创建

参数：

keys,要设置为索引的列名（如有多个应放在一个列表里）

drop: bool = True,将设置为索引的列删除，默认为True

append: bool = False,是否将新的索引追加到原索引后（即是否保留原索引），默认为False

inplace: bool = False, 是否在原DataFrame上修改，默认为False

verify_integrity: bool = False,是否检查索引有无重复，默认为False

 示例：

import pandas as pd
import numpy as np

data={
    'year':[2020,2020,2021,2021,2022,2022],
    'quarter':[1,2,1,2,1,2],
    'sales':[100,150,120,130,140,180],
    'profit':[50,80,80,100,30,80]
}
df=pd.DataFrame(data)
print(df)
df.set_index(['year','quarter'],inplace=True)
print(df)

             

2、筛选数据

多层索引的DataFrame的index（每一行的下标）为元组

print(df.index)

在筛选数据时，与普通的DataFrame一致，可以通过标签、位置、字段名、切片进行筛选

根据标签索引

print(df.loc[[2020,2021]])
print(df.loc[(2020,1)])#与df.loc[2020].loc[1]一致
print(df.loc[[(2020,1),(2020,2)]])
print(df.loc[(2020,1):(2021,2)])

 根据位置索引

print(df.iloc[[0,1]])
print(df.iloc[0:4,[0]])#如果‘，’的0不加[]，则该列为series

3、分层计算

 之前DataFrame的统计函数有level参数，能够给多层索引DataFrame运用，但已被舍弃，现在想要运算需要使用：DataFrame.groupby(level=层数).函数名()

我们以例子进行说明：（这个输出的DataFrame有点丑，别介意）

import pandas as pd
import numpy as np

df=pd.DataFrame(np.random.randint(0,151,size=(40,3)),
                index=pd.MultiIndex.from_product([ list('ABCDEFGHIJ'),['期中','期末'],['平时成绩','考试成绩']]),
                columns=['math','python','english']
                )
print(df)

 我们先来看层级，最左边的标签为字母，然后是“期中/期末”，最后是成绩类别，所以对应的层数为0，1，2。弄清楚之后，我们使用代码看看运算结果。

print(df.groupby(level=0).mean())
print(df.groupby(level=1).mean())
print(df.groupby(level=2).mean())

level=1

level=2|level=3

 可以看出，level=0时，根据每个同学的其他4项计算各科平均分，level=1时，计算期中期末的平均分。......

DataFrame的其他统计函数请看我的另一篇文章，链接如下：

DataFrame常见的统计函数-CSDN博客https://blog.csdn.net/m0_62172798/article/details/141425458