Pandas多级索引的数据累积方法

Pandas自带的数据累积方法，比如mean()、sum()、max()。而对于层级索引数据，可以设置参数level实现对数据子集的累积操作。这种语法其实就是GroupBy功能的快捷方式。

#多级行列索引
index = pd.MultiIndex.from_product([[2013, 2014], [1, 2]],
                                  names=['year', 'visit'])
columns = pd.MultiIndex.from_product([['Bob', 'Guido', 'sue'], ['HR', 'Temp']],
                                    names=['subject', 'type'])

#模拟数据
data = np.round(np.random.randn(4, 6), 1)
data[:, ::2] *= 10
data += 37

#创建DataFrame
health_data = pd.DataFrame(data, index=index, columns=columns)
health_data

#需要计算每一年各项指标的平均值，那么可以将参数level设置为索引year
data_mean = health_data.mean(level='year')
data_mean

#如果再设置axis参数，就可以对列索引进行类似的累积操作了
data_mean.mean(axis=1, level='type')

本文引自《python数据科学手册》，详情请见原书或查询Pandas官方文档。