pandas的分层索引 (MultiIndex) 讲解

pandas库的名字来源于3种主要数据结构开头字母的缩写：Panel，Dataframe，Series。其中Series表示一维数据，Dataframe表示二维数据，Panel表示三维数据。当数据高于二维时，一般却不用 Panel 表示，一般用包含多层级索引的Dataframe进行表示，而不是使用Panel。原因是使用多层级索引展示数据更加直观，操作数据更加灵活，并且可以表示3维，4维乃至任意维度的数据。

# 导包
import numpy as np
import pandas as pd
from pandas import Series,DataFrame

一、单层索引

sa = pd.Series([1, 2, 3], index=list('abc'))

结果：

 二、多层索引

分层索引是pandas中一个重要的特性，能让我们在一个轴（axis）上有多个index levels（索引层级）。它可以让我们在低维格式下处理高维数据。

 1、Series 多层索引

import pandas as pd
s = pd.Series([1,2,3,4,5,6],index=[['张三','张三','李四','李四','王五','王五'],
                                   ['期中','期末','期中','期末','期中','期末']])

 

从图中数据可以看出，张三那一列是数据的第一层索引，期中那一列是数据的第二层索引，而第二层索引值是和数据一一对应的。

但是，我们在创建的时候发现，也需要将名字和考试阶段一一对应，才可以。

 2、DataFrame多层索引

#导入numpy并改名为np
import numpy as np 


# np.random.randint(0,100,size=(6,3)) 是使用numpy中的随机模块random中，生成随机整数方法randint，
# 里面的参数size是指定生成6行3列的数据，并且每个数字的范围在0到100之间。

da = np.random.randint(100,size=(6,3))
df1 = pd.DataFrame(da,index=[["a","a","b","b","c","c"],
                            ["期末","期中","期末","期中","期末","期中"]],
                   columns=["语文","英语","数学"])
df1

3、pd.MultiIndex

上面建索引的⽅式写起来很麻烦，我们要写很多重复的内容，所以pandas给我们提供了另⼀ 种⽅式（MultiIndex.from_product() ）来构建多层索引。

使⽤MultiIndex.from_product()方法构建，⾸先我们把每层需要的索引写⼊到⼀个列表中，将这些列表在存⼊到⼀个新的列表当中，作为 参数传⼊MultiIndex.from_product()方法中，把结果赋值给变量index，那么这个index就 是我们构造好的索引，我们只需要在创建Series的时候传入索引即可。

# Series
names=["a","b","c"]
exems=["期中","期末"]
index=pd.MultiIndex.from_product([names,exems])
df = pd.Series(np.random.randint(0,150,size=6),index=index)
df

# DataFrame
names=["a","b","c"]
exems=["期中","期末"]
columns = ["语文","英语","数学"]
index=pd.MultiIndex.from_product([names,exems])
df2 = pd.DataFrame(da,index=index,columns=columns)
df2

 

该MultiIndex对象是标准Index对象的分层模拟 ，通常将轴标签存储在pandas对象中。您可以将其MultiIndex视为一个元组数组，其中每个元组都是唯一的。

MultiIndex可以从

数组列表（使用 MultiIndex.from_arrays()）、

元组数组（使用 MultiIndex.from_tuples()）、

可迭代的交叉集（使用 MultiIndex.from_product()）

或DataFrame（使用 MultiIndex.from_frame()） 创建。

该Index构造函数将尝试返回MultiIndex时，它传递一个元组列表。

4、set_index 

# 方法将普通列转成多层级索引
da = np.random.randint(100,size=(6,3))
dic = {"class":["class1","class1","class2","class3"],
      "name":["linda","mark","lily","cherich"],
      "score":[100,123,120,116]}
df3 = pd.DataFrame(dic)
df3.set_index(["class","name"])

 

5、groupby 

# 用来聚合计算，比如mean
df3.groupby(['class','name']).mean()

 

6、pivot_table 

# 类似于excel的透视表，数据动态排布，分类汇总
df3.pivot_table(index=["class","name"])

 

三、多层索引的取值

1、直接提取[ ]

# 取单个值
df["a"]

 

#结果：69

df["a","期中"]

# 取多个不连续值
df[["a","c"]]

 

# 取多个连续的值
df[:"b"]

 

2、标签取值 loc[], loc 按自定义的行、列的数据进行取值,不遵循左闭右开 

# 取单个值
df.loc[:"a"]
# 取多个不连续值
df.loc[["a","c"]]
# 取多个连续的值
df.loc[:"b"]

 

 3、下标取值 iloc[]， iloc 按默认的行、列索引的数据进行取值

# 取一个值
df4.iloc[0,3]
# 取多个值
df4.iloc[0,[3,5]]
# 取连续值 遵循左闭右开
df4.iloc[0:1,3:5]

四、多层索引的排序

1、按照索引排序，sort_index()

• level=0 表示按照第⼀层索引进⾏排序，默认为0，为1表示优先按照第⼆层索引 ...
• ascending=False 表示从⼤到⼩进⾏排列，默认为True(从⼩到⼤排序)

names=[1,2,3]
exems=["a","b"]
index=pd.MultiIndex.from_product([names,exems])
data1 = pd.Series([89,53,56,89,78,90],index=index)
# level = 0 则按照第一层索引排序  1 按照第二层
# ascending=False 降序 大到小  True 从小到大
data1.sort_index(level=0,ascending=False)

2、按照具体值（列名）排序，sort_value()

# series
data1.sort_values(ascending=False)
# dataFrame
df1.sort_values(by="语文",ascending=False)

参考：https://www.jianshu.com/p/10b96a839134