【Python数据科学手册】Pandas——六、层级索引

六、层级索引

对于高维的数据，可以通过将其纬度转换成不同层级的索引，从而实现将高维数组转换成类似一维Series或二维DataFrame对象的形式。

1.多级索引Series

如何用一维的Series表示二维数据

1)笨方法，将两个维度合并成一个元组索引

取值和切片方法同正常的Series
但是如果想取其中某一个维度的某元素数据，就比较麻烦

2).好办法：Pandas多级索引MultiIndex

切片方法与pandas方法一致

pop['California':'Texas'][:,2000]

3).维度与索引

维度与索引可以互相转换
索引–unstack()–>维度：默认将最后一层索引转换成维度

维度-----stack()–>索引：默认将维度转换成最后一层索引

研究多层索引的意义就是：
如果我们可以用含多级索引的一维 Series 数据表示二维数据，那么我们就可以用 Series 或 DataFrame 表示三维甚至更高维度的数据。
多级索引每增加一级，就表示数据增加一维，利用这一特点就可以轻松表示任意维度的数据了。

2.多级索引的创建方法

1).隐式地创建多层索引

一是直接将index参数设置二维及以上的索引数据

二是将元组作为键的字典传递给 Pandas， Pandas 也会默认转换为 MultiIndex

2)隐式地创建索引

a.创建方法
pd.MultiIndex.from_arrays()数组

pd.MultiIndex.from_tuples()元组

pd.MultiIndex.from_product()笛卡尔积

pd.MultiIndex(levels,labels)levels,labels参数
b.为多层索引设置名称

c.多级列索引

切片

3.多级索引的取值与切换

1).Series多级索引

2).DataFrame多级索引

4.多级索引行列转换

1).有序的索引和无序的索引

![在这里插入图片描述](https://img-blog.csdnimg.cn/20200825141853774.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDg0NDExNg==,size_16,color_FFFFFF,t_70#pic_center

2).索引stack与unstack

unstack(level=-1, fill_value=None)
stack(level=-1, dropna=True)

3).索引的设置与重置 reset_index

reset_index(level=None, drop=False, name=None, inplace=False)是将索引设置成正常的列

set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)是将列设置成索引

5.多级索引的数据累计方法

Pandas 自带的数据累计方法，比如 mean()、 sum() 和 max()，也适用于多级索引