pandas--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。
创建一个Series，并用一个由列表或数组组成的列表作为索引。
1 data=Series(np.random.randn(10), 2 index=[['a','a','a','b','b','b','c','c','d','d'], 3 [1,2,3,1,2,3,1,2,2,3]]) 4 5 data 6 Out[6]: 7 a 1 -2.842857 8 2 0.376199 9 3 -0.512978 10 b 1 0.225243 11 2 -1.242407 12 3 -0.663188 13 c 1 -0.149269 14 2 -1.079174 15 d 2 -0.952380 16 3 -1.113689 17 dtype: float64
这就是带MultiIndex索引的Series的格式化输出形式。索引之间的“间隔”表示“直接使用上面的标签”。
1 data.index 2 Out[7]: 3 MultiIndex(levels=[['a', 'b', 'c', 'd'], [1, 2, 3]], 4 labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])
对于一个层次化索引的对象，选取数据子集的操作很简单：
1 data['b'] 2 Out[8]: 3 1 0.225243 4 2 -1.242407 5 3 -0.663188 6 dtype: float64 7 8 9 data['b':'c'] 10 Out[10]: 11 b 1 0.225243 12 2 -1.242407 13 3 -0.663188 14 c 1 -0.149269 15 2 -1.079174 16 dtype: float64 17 18 data.ix[['b','d']] 19 __main__:1: DeprecationWarning: 20 .ix is deprecated. Please use 21 .loc for label based indexing or 22 .iloc for positional indexing 23 24 See the documentation here: 25 http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated 26 Out[11]: 27 b 1 0.225243 28 2 -1.242407 29 3 -0.663188 30 d 2 -0.952380 31 3 -1.113689 32 dtype: float64
甚至可以在“内层”中进行选取：
1 data[:,2] 2 Out[12]: 3 a 0.376199 4 b -1.242407 5 c -1.079174 6 d -0.952380 7 dtype: float64
层次化索引在数据重塑和基于分组的操作中扮演重要角色。
可以通过unstack方法被重新安排到一个DataFrame中：
1 data.unstack() 2 Out[13]: 3 1 2 3 4 a -2.842857 0.376199 -0.512978 5 b 0.225243 -1.242407 -0.663188 6 c -0.149269 -1.079174 NaN 7 d NaN -0.952380 -1.113689 8 9 10 #unstack的逆运算是stack 11 data.unstack().stack() 12 Out[14]: 13 a 1 -2.842857 14 2 0.376199 15 3 -0.512978 16 b 1 0.225243 17 2 -1.242407 18 3 -0.663188 19 c 1 -0.149269 20 2 -1.079174 21 d 2 -0.952380 22 3 -1.113689 23 dtype: float64
对于DataFrame，每条轴都可以有分层索引：
1 frame=DataFrame(np.arange(12).reshape((4,3)), 2 index=[['a','a','b','b'],[1,2,1,2]], 3 columns=[['Ohio','Ohio','Colorado'], 4 ['Green','Red','Green']]) 5 6 frame 7 Out[16]: 8 Ohio Colorado 9 Green Red Green 10 a 1 0 1 2 11 2 3 4 5 12 b 1 6 7 8 13 2 9 10 11
各层都可以有名字。如果指定了名称，它们会显示在控制台中（不要将索引名称和轴标签混为一谈！）
1 frame.index.names=['key1','key2'] 2 frame.columns.names=['state','color'] 3 4 frame 5 Out[22]: 6 state Ohio Colorado 7 color Green Red Green 8 key1 key2 9 a 1 0 1 2 10 2 3 4 5 11 b 1 6 7 8 12 2 9 10 11
由于有了分部的列索引，可以轻松选取列分组：
1 frame['Ohio'] 2 Out[23]: 3 color Green Red 4 key1 key2 5 a 1 0 1 6 2 3 4 7 b 1 6 7 8 2 9 10
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（但数据不会发生变化）：
1 frame.swaplevel('key1','key2') 2 Out[24]: 3 state Ohio Colorado 4 color Green Red Green 5 key2 key1 6 1 a 0 1 2 7 2 a 3 4 5 8 1 b 6 7 8 9 2 b 9 10 11
sortlevel则根据单个级别中的值对数据进行排序。交换级别时，常用得到sortlevel，这样最终结果也是有序的了：
1 frame.swaplevel(0,1) 2 Out[27]: 3 state Ohio Colorado 4 color Green Red Green 5 key2 key1 6 1 a 0 1 2 7 2 a 3 4 5 8 1 b 6 7 8 9 2 b 9 10 11 10 11 #交换级别0,1（也就是key1,key2) 12 #然后对axis=0进行排序 13 frame.swaplevel(0,1).sortlevel(0) 14 __main__:1: FutureWarning: sortlevel is deprecated, use sort_index(level= ...) 15 Out[28]: 16 state Ohio Colorado 17 color Green Red Green 18 key2 key1 19 1 a 0 1 2 20 b 6 7 8 21 2 a 3 4 5 22 b 9 10 11
根据级别汇总统计
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（但数据不会发生变化）：
1 frame.sum(level='key2') 2 Out[29]: 3 state Ohio Colorado 4 color Green Red Green 5 key2 6 1 6 8 10 7 2 12 14 16 8 9 frame.sum(level='color',axis=1) 10 Out[30]: 11 color Green Red 12 key1 key2 13 a 1 2 1 14 2 8 4 15 b 1 14 7 16 2 20 10
使用DataFrame的列
将DataFrame的一个或多个列当做行索引来用，或将行索引变成Dataframe 的列。
1 frame=DataFrame({'a':range(7),'b':range(7,0,-1), 2 'c':['one','one','one','two','two','two','two'], 3 'd':[0,1,2,0,1,2,3]}) 4 5 frame 6 Out[32]: 7 a b c d 8 0 0 7 one 0 9 1 1 6 one 1 10 2 2 5 one 2 11 3 3 4 two 0 12 4 4 3 two 1 13 5 5 2 two 2 14 6 6 1 two 3
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：
1 frame2=frame.set_index(['c','d']) 2 3 frame2 4 Out[34]: 5 a b 6 c d 7 one 0 0 7 8 1 1 6 9 2 2 5 10 two 0 3 4 11 1 4 3 12 2 5 2 13 3 6 1
默认情况下，那些列会从DataFrame中移除，但也可以将其保留下来：
1 frame.set_index(['c','d'],drop=False) 2 Out[35]: 3 a b c d 4 c d 5 one 0 0 7 one 0 6 1 1 6 one 1 7 2 2 5 one 2 8 two 0 3 4 two 0 9 1 4 3 two 1 10 2 5 2 two 2 11 3 6 1 two 3
reset_index的功能和set_index刚好相反，层次化索引的级别会被转移到列里面：
1 frame2.reset_index() 2 Out[36]: 3 c d a b 4 0 one 0 0 7 5 1 one 1 1 6 6 2 one 2 2 5 7 3 two 0 3 4 8 4 two 1 4 3 9 5 two 2 5 2 10 6 two 3 6 1
