Pandas进阶之DataFrame多级索引

多级索引：在一个轴上有多个(两个以上）的索引，可以以低维度形式来表示高维度的数据。单级索引是Index对象，多级索引是MultiIndex对象。

1、建立多级索引

• 方法一：隐式建立，即给DataFrame的index或columns参数传递两个或更多的数组。

  df1 = pd.DataFrame(np.random.randint(80, 120, size=(2, 4)),
                     index= ['girl', 'boy'],
                     columns=[['English', 'English', 'Chinese', 'Chinese'],
                           ['like', 'dislike', 'like', 'dislike']])
  
  print(df1)    # 建立多级 列 索引
  -------------------------------------------------------------------------------------
            English         Chinese
            like  dislike   like    dislike
      girl  85    109       117     110
      boy   85    111       100     107

• 方法2、显示建立，推荐使用较简单的pd.MultiIndex.from_product方法

  df2 = pd.DataFrame(np.random.randint(80, 120, size=(4, 2)), 
                     columns= ['girl', 'boy'],
                     index=pd.MultiIndex.from_product([['English','Chinese'],
                                                      ['like','dislike']]))
  print(df2)    # 建立多级 行 索引
  -------------------------------------------------------------------------------------
                    girl    boy
  English   like    92      98
            dislike 118     99
  Chinese   like    109     108
            dislike 108     91

2、检索多级索引

• 相似单级索引检索(loc、iloc)，以df1数据为例

  df1.English
  -------------------------------------------------------------------------------------
        like  dislike
  girl  105   112
  boy   118   87
  
  
  df1.English.dislike
  -------------------------------------------------------------------------------------
  girl    112
  boy      87
  Name: dislike, dtype: int64 df1.iloc[:,0:3] ------------------------------------------------------------------------------------- English Chinese like dislike like girl 85 113 82 boy 97 83 94 df1.loc['girl', ['English', 'Chinese']] ------------------------------------------------------------------------------------- English like 105 dislike 112 Chinese like 87 dislike 92 Name: girl, dtype: int64 

• 多级索引的检索，能够使用更高级的方法，如xs、IndexSlice等，用到较少暂不介绍。

3、更改索引的层级

1. 建立多级索引

   df = pd.DataFrame(np.random.randint(80, 120, size=(6, 4)), 
                 index= pd.MultiIndex.from_product([[1, 2, 3],['girl', 'boy']]),
                 columns=pd.MultiIndex.from_product([['English','Chinese'],
                                                     ['Y','N']]))
   print(df) 
   -------------------------------------------------------------------------------------
               English Chinese
               Y   N   Y   N
   1   girl    86  99  111 105
       boy     85  110 113 112
   2   girl    98  106 108 94
       boy     117 80  97  83
   3   girl    95  81  114 95
       boy     106 95  119 81

2. 为多级索引命名

   df.columns.names = ['Language', 'Pass'] # 设置列索引名 df.index.names = ['Class', 'Six'] # 设置行索引名 print(df) ------------------------------------------------------------------------------------- Language English Chinese Pass Y N Y N Class Six 1 girl 86 99 111 105 boy 85 110 113 112 2 girl 98 106 108 94 boy 117 80 97 83 3 girl 95 81 114 95 boy 106 95 119 81 

3. 更改索引的层级(swaplevel)

   df.swaplevel('Six','Class') # 更改行索引的层级 ------------------------------------------------------------------------------------- Language English Chinese Pass Y N Y N Six Class girl 1 86 99 111 105 boy 1 85 110 113 112 girl 2 98 106 108 94 boy 2 117 80 97 83 girl 3 95 81 114 95 boy 3 106 95 119 81 

4、多级索引的值排序(sort_index)

• 方法一

  df.sort_index(level=0, axis=0, ascending=False) # 对行索引Class的值进行降序排列 ------------------------------------------------------------------------------------- Language English Chinese Pass Y N Y N Class Six 3 girl 95 81 114 95 boy 106 95 119 81 2 girl 98 106 108 94 boy 117 80 97 83 1 girl 86 99 111 105 boy 85 110 113 112 

• 方法二：使用sortlevel方法，从0.20.0版本开始，已经被弃用

5、多级索引汇总统计

• 示例一

  df.sum(level=1) 或df.sum(level='Six')    # 对行索引Six进行求和
  -------------------------------------------------------------------------------------
  Language English Chinese
  Pass    Y   N   Y   N
  Six             
  girl    279 286 333 294
  boy     308 285 329 276

• 示例二

  df.sum(level=0, axis=1) 或 df.sum(level='Language', axis=1) # 对列索引Language进行求和 ------------------------------------------------------------------------------------- Language English Chinese Class Six 1 girl 185 216 boy 195 225 2 girl 204 202 boy 197 180 3 girl 176 209 boy 201 200 

6、多级索引轴向转换

• 常见的数据层次化结构：树状和表格

  
  
   

  
   

  
• 轴向转换的函数

  1. stack() : 将行索引变成列索引，能够理解为将表格数据转换为树状数据
  2. unstack() : 将列索引变成行索引，能够理解为将树状数据转换为表格数据
  3. 两个函数互为逆函数，做用相反，用法相同。单级索引时，结果会生成一个Series；多级索引时默认转换最内层索引，也能够自定义转换的索引层级

• 示例

  print(df)    # 数据源
    -------------------------------------------------------------------------------------
    Language        English Chinese
    Pass            Y   N   Y   N
    Class   Six             
    1       girl    86  99  111 105
            boy     85  110 113 112
    2       girl    98  106 108 94
            boy     117 80  97  83
    3       girl    95  81  114 95
            boy     106 95  119 81
  
    df.stack()    # 默认将最内层的行索引(Pass)转换为了列索引
    -------------------------------------------------------------------------------------
    Language            Chinese English
    Class   Six   Pass      
    1       girl  N       105   99
                  Y       111   86
            boy   N       112   110
                  Y       113   85
    2       girl  N       94    106
                  Y       108   98
            boy   N       83    80
                  Y       97    117
    3       girl  N       95    81
                  Y       114   95
            boy   N       81    95
                  Y       119   106
    
    df.unstack(level=0)    # 指定将列索引(Class)转化成行索引
    -------------------------------------------------------------------------------------
    Language    English             Chinese
    Pass    Y           N           Y           N
    Class   1   2   3   1   2   3   1   2   3   1   2   3
    Six                                             
    boy     85  117 106 110 80  95  113 97  119 112 83  81
    girl    86  98  95  99  106 81  111 108 114 105 94  95

7、多级索引转换单级索引

• 步骤：先将多级的行索引转换为列索引，再重置列索引
• 示例

  dt = df.stack() # 将内层行索引()转换为列索引 dt = dt.reset_index() # 重置列索引 print(dt) ------------------------------------------------------------------------------------- Language Class Six Pass Chinese English 0 1 girl N 105 99 1 1 girl Y 111 86 2 1 boy N 112 110 3 1 boy Y 113 85 4 2 girl N 94 106 5 2 girl Y 108 98 6 2 boy N 83 80 7 2 boy Y 97 117 8 3 girl N 95 81 9 3 girl Y 114 95 10 3 boy N 81 95 11 3 boy Y 119 106