pandas层次化索引 （隐式结构、显示结构、多层次对象的索引与切片）

pandas层次化索引

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

1. 创建多层行索引

从一个文件中读取一个多层级索引的表
df = pd.read_excel(’./data/data.xlsx’, sheet_name=1, header=[0,1])
df
---------------------------------
上半年 下半年
北京 上海 广州 北京 上海 广州
手机 89 90 100 88 130 104
电脑 90 68 98 98 127 120
键盘 78 90 100 100 130 115
NaN 0 1 2 3 4 5

product
product = [["上半年","下半年"],["北京","上海","广州"]]

array
array = [[“上半年”,“上半年”,“上半年”,“下半年”,“下半年”,“下半年”],[“北京”,“上海”,“广州”,“北京”,“上海”,“广州”]]

tuple
tuples = [[“上半年”,“北京”],[“上半年”,“上海”],[“上半年”,“广州”],[“下半年”,“北京”],[“下半年”,“上海”],[“下半年”,“广州”]]

1. 隐式构造

最常见的方法是给DataFrame构造函数的index参数传递两个或更多的数组

• Series也可以创建多层索引
  data = np.random.randint(0,200,size=(3,6))
  index = [“手机”,“电脑”,“键盘”]
  # 隐式构造只支持使用数组表达多级索引的方式来进行构造，不常用
  df = DataFrame(data=data, index=index, columns=array)
  df
  ----------------------------------
  上半年 下半年
  北京 上海 广州 北京 上海 广州
  手机 147 185 181 126 131 197
  电脑 61 185 172 177 95 59
  键盘 152 105 79 70 99 8

2. 显示构造pd.MultiIndex

• 使用数组
  column1 = pd.MultiIndex.from_arrays(array)
  DataFrame(data=data, index=index, columns=column1)
  -----------------------------------
  上半年 下半年
  北京 上海 广州 北京 上海 广州
  手机 134 192 192 187 70 182
  电脑 2 177 162 2 93 121
  键盘 164 189 184 125 114 155

• 使用tuple
  column2 = pd.MultiIndex.from_tuples(tuples)
  DataFrame(data=data, index=index, columns=column1)
  -----------------------------
  上半年 下半年
  北京 上海 广州 北京 上海 广州
  手机 134 192 192 187 70 182
  电脑 2 177 162 2 93 121
  键盘 164 189 184 125 114 155

• 使用product
  最简单，推荐使用
  column3 = pd.MultiIndex.from_product(product)
  DataFrame(data=data, index=index, columns=column1)

  -----------------------------------------
       上半年	     下半年
       北京	上海	广州	北京	上海	广州
  手机	134	192	192	187	70	182
  电脑	2	177	162	2	93	121
  键盘	164	189	184	125	114	155
  # 构建一个多层级的行索引表
  DataFrame(data=data.reshape(6,3), index=column1, columns=index)
  -------------------------------------------------------
            手机  电脑 键盘
  上半年	北京	170	178	79
        上海   161	72	159
  	  广州    53	31	137
  下半年	北京	167	77	179
        上海	45	121	96
        广州	106	34	39
  

============================================

练习8：

1. 创建一个Data