Pandas入门（6）

层次化索引

  层次化索引是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。抽象点说，它使你以低维度形式处理高纬度数据。

  层次化索引一般以带有MultiIndex索引的Series的格式化输出形式。索引之间的间隔 （空格）表示直接使用上面的标签。

  层次化索引在数据重塑和基于分组的操作（如透视表生成）中扮演着重要的角色。对于一个DataFrame，每条轴都可以有分层索引，各层都可以有名字（可以是字符串，也可以是别的Python对象），如果指定了名称，它们显示在输出中（索引名不是轴标签），由于有了分部的列索引，因此可以轻松选取列分组，可以单独创建MultiIndex然后复用。

1. 重排分级排序

  有时需要重新调整某条轴上各级别的顺序，或根据指定级别上的值对数据进行排序。

• swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（数据不会发生变化）
• sortlevel则根据单个级别中的值对数据进行排序（稳定的，猜测是归并）。交换级别时，常常也会用到sortlevel，这样就可以有序的结果。
• 在层次化索引的对象上，如果索引是按字典方式从外到内排序（即调用sortlevel(0)或sort_index()的结果），数据选取操作的性能要好很多

2. 根据级别汇总统计

  许多对DataFrame和Series的描述和汇总统计都有一个level选项，它用于指定在某条轴上求和的级别。从而根据行或列上的级别来进行求和。
这其实是利用了pandas的groupby功能

3. 使用DataFrame的列

  有时根据需求会想用DataFrame的一个列或多个列来用，或者可能希望将行索引变成DataFrame的列。

• DataFrame的set_index函数会将其一个或多个列转换为行索引，并创建一个新的DataFrame，默认情况下，那些列会从DataFrame中移除，但也可以将其保留下来（drop参数改为False，drop=False）
• reset_index的功能跟set_index相反，层次化索引的级别会被转移到列里面 .