10分钟带你学会Pandas多层级索引

作者 |  梁云1991

来源 | Python与算法之美（ID:Python_Ai_Road）

Pandas库的名字来源于其中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。但实际上，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。

一、多层级索引的创建

1. 指定多维列表作为columns

2.使用pd.MultiIndex中的方法显式生成多层级索引

可以使用pd.MultiIndex中的from_tuples等方法生成多层级索引。

3.使用set_index方法将普通列转成多层级索引

这种方法只能生成多层级行索引。

4. groupby和pivot_table等方法也可以生成带有多层级索引的结果

二、多层级索引的取值

多层级索引Series或多层级DataFrame支持方括号直接取值，loc取值，和pd.IndexSlice切片取值等方法。

1.多层级Series的取值

2.多层级DataFrame的取值

三、多层级索引相关操作

多层级索引相关操作包括stack和unstack,set_index和reset_index，以及指定level的相关方法。

1.stack和unstack

2.set_index和reset_index

3.指定level的相关方法

(*本文是Python大本营转载文章，转载请联系原作者)

社群福利

扫码添加小助手，回复：大会，加入2019 AI开发者大会福利群，每周更新技术福利，还有不定期的抽奖活动~

推荐阅读

• 开源之战

• 谁偷偷删了你的微信？别慌！Python帮你都揪出来了

• 吐血整理！140种Python标准库、第三方库和外部工具都有了

• 如何用爬虫技术帮助孩子秒到心仪的幼儿园（基础篇）

• Python传奇：30年崛起之路

• 干货 | Python后台开发的高并发场景优化解决方案

• 2019年最新华为、BAT、美团、头条、滴滴面试题目及答案汇总

• 阿里巴巴杨群：高并发场景下Python的性能挑战

你点的每个“在看”，我都认真当成了喜欢