pandas層級索引

層級索引（hierarchical indexing）

下面創建一個Series， 在輸入索引Index時，輸入了由兩個子list組成的list，

第一個子list是外層索引，第二個list是內層索引。

示例代碼：

import pandas as pd
import numpy as np

ser_obj = pd.Series(np.random.randn(12),index=[
                ['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'd'],
                [0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]
            ])
print(ser_obj)

運行結果：

a  0    0.099174
   1   -0.310414
   2   -0.558047
b  0    1.742445
   1    1.152924
   2   -0.725332
c  0   -0.150638
   1    0.251660
   2    0.063387
d  0    1.080605
   1    0.567547
   2   -0.154148
dtype: float64

MultiIndex索引對象

• 打印這個Series的索引類型，顯示是MultiIndex
• 直接將索引打印出來，可以看到有levels,和labels兩個信息。levels表示兩個層級中分別有哪些標簽，labels是每個位置分別是什么標簽。

示例代碼：

print(type(ser_obj.index))
print(ser_obj.index)

運行結果：

<class 'pandas.indexes.multi.MultiIndex'>
MultiIndex(levels=[['a', 'b', 'c', 'd'], [0, 1, 2]],
           labels=[[0, 0, 0, 1, 1, 1, 2, 2, 2, 3, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2]])

選取子集

• 根據索引獲取數據。因為現在有兩層索引，當通過外層索引獲取數據的時候，可以直接利用外層索引的標簽來獲取。
• 當要通過內層索引獲取數據的時候，在list中傳入兩個元素，前者是表示要選取的外層索引，后者表示要選取的內層索引。

1. 外層選取：

ser_obj['outer_label']

示例代碼：

# 外層選取
print(ser_obj['c'])

運行結果：

0   -1.362096
1    1.558091
2   -0.452313
dtype: float64

2. 內層選取：

ser_obj[:, 'inner_label']

示例代碼：

# 內層選取
print(ser_obj[:, 2])

運行結果：

a    0.826662
b    0.015426
c   -0.452313
d   -0.051063
dtype: float64

常用于分組操作、透視表的生成等

交換分層順序

1. swaplevel()

.swaplevel( )交換內層與外層索引。

示例代碼：

print(ser_obj.swaplevel())

運行結果：

0  a    0.099174
1  a   -0.310414
2  a   -0.558047
0  b    1.742445
1  b    1.152924
2  b   -0.725332
0  c   -0.150638
1  c    0.251660
2  c    0.063387
0  d    1.080605
1  d    0.567547
2  d   -0.154148
dtype: float64

交換并排序分層

sort_index()

.sort_index() 先對外層索引進行排序，再對內層索引進行排序，默認是升序。

示例代碼：

# 交換并排序分層
print(ser_obj.swaplevel().sort_index())

運行結果：

0  a    0.099174
   b    1.742445
   c   -0.150638
   d    1.080605
1  a   -0.310414
   b    1.152924
   c    0.251660
   d    0.567547
2  a   -0.558047
   b   -0.725332
   c    0.063387
   d   -0.154148
dtype: float64