Pandas的MultiIndex多层索引使用

目录

MultiIndex多层索引

1.创建方式

1.1.第一种：多维数组

1.2.第二种：MultiIndex

1.3.创建案例：

2.多层索引操作

2.1.Series多层索引

2.2.DataFrame多层索引

2.3.交换索引

2.4.索引排序

2.5.索引堆叠

2.6.取消堆叠

2.7.设置索引

2.8.重置索引

---

MultiIndex多层索引

MultiIndex，即具有多个层次的索引，有些类似于根据索引进行分组的形式。通过多层次索引，我们就可以使用高层次的索引，来操作整个索引组的数据。通过给索引分类分组，则可以操作组数据。

1.创建方式

1.1.第一种：多维数组

我们在创建Series或DataFrame时，可以通过给index（columns）参数传递多维数组，进而构建多维索引。
【数组中每个维度对应位置的元素，组成每个索引值】

多维索引也可以设置名称（name性），属性的值为一维数组，元素的个数需要与索引的层数相同（每层索引都需要具有一个名称）。

1.2.第二种：MultiIndex

我们可以通过MultiIndex类的相关方法，预先创建一个MultiIndex对象，然后作为Series与DataFrame中的index（或columns）参数值。同时，可以通过names参数指定多层索引的名称。

• from_arrays：接收一个多维数组参数，高维指定高层索引，低维指定底层索引。
• from_tuples：接收一个元组的列表，每个元组指定每个索引（高维索引，低维索引）。
• from_product：接收一个可迭代对象的列表，根据多个可迭代对象元素的笛卡尔积进行创建索引。

from_product相对于前两个方法而言，实现相对简单，但是，也存在局限。

1.3.创建案例：

import numpy as np
import pandas as pd

import warnings
warnings.filterwarnings('ignore')

#通过给index（columns）参数传递多维数组，进而构建多维索引

# 多层索引，指定一个多维数组。多维数组中，逐级给出每层索引的值。
s = pd.Series([1, 2, 3, 4], index=[["A", "A", "B", "B"], ["a", "b", "c", "d"]])
# 多于多层索引，每一层都具有一个名字。
s.index.names = ["index1", "index2"]
display(s)
display(s.loc["A"].loc["a"])

df=pd.DataFrame(np.arange(9).reshape(3, 3), columns=[["X", "X", "Y"], ["x1", 'x2', 'y1']],index=[["A", "B", "B"], ["a", 'a', 'b']])
display(df)
display(df.loc["B"]) 
display(df["X"])
display(df.loc["B"].loc["a"]["X"]["x1"])

#通过MultiIndex类的方法进行创建。

# 通过列表的方式进行创建。（每个内嵌列