本文介绍了如何使用Pandas创建多层索引的Series和DataFrame，包括隐式和显式方法，如MultiIndex.from_product()、set_index()、groupby()和pivot_table()。接着详细阐述了多层索引的取值方法，如直接提取、loc[]和iloc[]。最后讨论了如何对多层索引进行排序，包括sort_index()和sort_values()。内容适用于处理高维数据和复杂逻辑的情况。
【导语】Pandas库的名字来源于3种主要数据结构开头字母的缩写：Panel,Dataframe,Series。其中Series表示一维数据，Dataframe表示二维数据，Panel表示三维数据。当数据高于二维时，一般却不用 Panel 表示，为什么呢？如果不用 Panel，又该怎么做呢？
实际上，当数据高于二维时，我们一般用包含多层级索引的Dataframe进行表示，而不是使用Panel。原因是使用多层级索引展示数据更加直观，操作数据更加灵活，并且可以表示3维，4维乃至任意维度的数据。具体要怎么做呢？下面就从多层级索引的创建、取值与排序等内容教大家一些方法！
一、多层索引的创建
1、(隐式)Series创建索引
直接使⽤index参数创建 在使⽤index参数时，index的值是⼀个列表，其中的元素是多个列表，每个列表就是⼀层索 引，举个栗⼦：
import pandas as pd
# 创建Series索引
s = pd.Series(np.random.randint(0,150,size=6),index=[['a','a','b','b','c','c'],['期中','期末','期中','期末','期中','期末']])
s
我们来看⼀下输出结
最低0.47元/天 解锁文章
扫一扫
828
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
