pandas的层次化索引

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

一、pandas的层次化索引

层次化索引是pandas的一项重要功能，它使你能够在一个轴上拥有多个（两个以上）索引级别。换句话来说，它能够让你以低纬度的形式处理高纬度数据。

1.Series的层次化索引¶

（1）生成数据

data = pd.Series(np.arange(1,10),index=[['a','a','a','b','b','c','c','d','d'],
                                    ['A','B','C','A','B','C','A','B','C']])

print(data)#输出s的结果

a  A    1
   B    2
   C    3
b  A    4
   B    5
c  C    6
   A    7
d  B    8
   C    9
dtype: int32

print(data.index)   #显示层次化索引

MultiIndex(levels=[['a', 'b', 'c', 'd'], ['A', 'B', 'C']],
           labels=[[0, 0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 2]])

（2）获取数据

#获取索引为a的数据
data["a"]

A    1
B    2
C    3
dtype: int32

#在索引内层中获取数据,获取第二个索引为2的数据
data[:,'A']

a    1
b    4
c    7
dtype: int32

#带层次化索引的切片,包括右端的索引
data['a':'b']

a  A    1
   B    2
   C    3
b  A    4
   B    5
dtype: int32

（3）数据重塑

层次化索引在数据重塑和透视表的应用中扮演者很重要的角色

data.unstack()   #将解压data中的最后一层，默认值是解压最后一层

	A	B	C
a	1.0	2.0	3.0
b	4.0	5.0	NaN
c	7.0	NaN	6.0
d	NaN	8.0	9.0

data.unstack(0)  #解压data中的第一层

	a	b	c	d
A	1.0	4.0	7.0	NaN
B	2.0	5.0	NaN	8.0
C	3.0	NaN	6.0	9.0

data.unstack().stack()  #unstack的逆运算是stack

a  A    1.0
   B    2.0
   C    3.0
b  A    4.0
   B    5.0
c  A    7.0
   C    6.0
d  B    8.0
   C    9.0
dtype: float64

type(data.unstack().stack())   #查看数据类型

pandas.core.series.Series

2.DataFrame的层次化索引

对于dataframe来说，行和列都可以进行层次化索引

#使用4个索引确定一个值
data = pd.DataFrame(np.arange(12).reshape(4,3),
                   index=[['a','a','b','b'],[1,2,1,2]],
                   columns=[['A','A','B'],['Z','X','C']])  

print(data)

		A		B
		Z	X	C
a	1	0	1	2
	2	3	4	5
b	1	6	7	8
	2	9	10	11

print(data['A'])  #选取列

     Z   X
a 1  0   1
  2  3   4
b 1  6   7
  2  9  10

print(data.loc['a',:])

   A     B
   Z  X  C
1  0  1  2
2  3  4  5

data = pd.DataFrame(np.arange(0,10).reshape(5,2),
                    index=['a','a','b','b','c'],
                    columns=['A','B'])

data

	A	B
a	0	1
a	2	3
b	4	5
b	6	7
c	8	9

data1 = data.set_index(['A'],drop=True)   #seet_index函数会将一个或多个列转换成行索引，并创建一个新的dataframe

data1

	B
A
0	1
2	3
4	5
6	7
8	9

data.set_index(['A'],drop=False)  #默认情况下，那些列会从dataframe中删除，但是也可以保留下来

	A	B
A
0	0	1
2	2	3
4	4	5
6	6	7
8	8	9

data1.reset_index() #和set_index的功能相反

	A	B
0	0	1
1	2	3
2	4	5
3	6	7
4	8	9

3.重排分级顺序

在使用层次化索引的时候，我们可以重新调整某条轴上各级别的顺序，或根据级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，返回一个互换了级别的新对象（数据不变）。我们可以对每个级别设置一个名称，就像对DataFrame设置行列索引的名称一样。

#使用4个索引确定一个值
data = pd.DataFrame(np.arange(12).reshape(4,3),
                   index=[['a','a','b','b'],[1,2,1,2]],
                   columns=[['A','A','B'],['Z','X','C']])  

data

		A		B
		Z	X	C
a	1	0	1	2
	2	3	4	5
b	1	6	7	8
	2	9	10	11

#设置行级别的名称
data.index.names = ['row1','row2']   
#设置列级别的名称
data.columns.names = ['col1','col2']

print(data)

data.swaplevel('row1','row2')   #交换行级别的位置

	col1	A		B
	col2	Z	X	C
row2	row1
1	a	0	1	2
2	a	3	4	5
1	b	6	7	8
2	b	9	10	11

swaplevel(self, i=-2, j=-1, axis=0)参数说明：i, j : int, string (can be mixed)，可以交换的水平的索引。 axis：取值为0或1，对行的水平进行交换还是对列的水平进行交换

data.sortlevel(axis=1,ascending=True)   #对列的水平进行排序

C:\Users\nicole.liang\AppData\Local\Continuum\anaconda3\lib\site-packages\ipykernel_launcher.py:1: FutureWarning: sortlevel is deprecated, use sort_index(level= ...)
  """Entry point for launching an IPython kernel.

	col1	A		B
	col2	X	Z	C
row1	row2
a	1	1	0	2
	2	4	3	5
b	1	7	6	8
	2	10	9	11

 #交换行级别，然后再对第一行排序
data.swaplevel(0,1,axis=1).sortlevel(axis=0,ascending=False) 

C:\Users\nicole.liang\AppData\Local\Continuum\anaconda3\lib\site-packages\ipykernel_launcher.py:2: FutureWarning: sortlevel is deprecated, use sort_index(level= ...)
  

	col2	Z	X	C
	col1	A	A	B
row1	row2
b	2	9	10	11
	1	6	7	8
a	2	3	4	5
	1	0	1	2

4.根据级别汇总统计

#使用4个索引确定一个值

data = pd.DataFrame(np.arange(12).reshape(4,3),
                   index=[['a','a','b','b'],[1,2,1,2]],
                   columns=[['A','A','B'],['Z','X','C']])  

print(data)

     A       B
     Z   X   C
a 1  0   1   2
  2  3   4   5
b 1  6   7   8
  2  9  10  11

#设置行级别的名称
data.index.names = ['row1','row2']   
#设置列级别的名称
data.columns.names = ['col1','col2']

print(data)

col1       A       B
col2       Z   X   C
row1 row2           
a    1     0   1   2
     2     3   4   5
b    1     6   7   8
     2     9  10  11

print(data.sum(level='row1'))   #根据级别的名称进行求和

col1   A       B
col2   Z   X   C
row1            
a      3   5   7
b     15  17  19

print(data.sum(level='col1',axis=1))   #根据指定列的名称进行求和

col1        A   B
row1 row2        
a    1      1   2
     2      7   5
b    1     13   8
     2     19  11