数据分析 day05(一)

层次化索引

模块导入

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

一. 层次化索引的创建

1. 隐式构造

1. 多层索引在添加的时候用一个二维列表，其中列表中的每一个小列表代表一个层
   
   加入了多层索引以后，Series的index属性变成了一个MultiIndex对象
   这个对象中有两个值levels和labels
   levels是一个二维列表，其中指定了每个层中索引的值
   labels是一个二维列表，其中指定了levels列表中每一个索引的位置
   

2. 创建一个实例
   
   查看索引和列
   

2. 显示构造

隐式构造直接在创建的时候给index赋值为一个二维列表，显示构造是先创建一个MultiIndex对象，然后把这个对象赋值给index

1. 使用数组

使用数组创建一个MultiIndex对象

把对象赋值给index

2. 使用元组

使用元组创建一个MultiIndex对象

把对象赋值给index

如果在某个元组中多加了一个元素,其他索引就会用NaN补齐

3. 使用product方法

使用product创建一个MultiIndex对象

把对象赋值给index

二. 多层次索引的查找与切片

无论查找还是切片，都需要一层层的由外向内

1. Series

1. 查找
   

2. 切片
   外层切片
   
   里层切片不能直接切片
   比如从b切到e,需要用隐式索引,用下标的方式(前闭后开)
   

2. DataFrame

1. 查找
   
   多层索引，不能同时既找行又找列
   以下两种方案行不通
   

2. 切片
   切外层
   
   切l里层
   使用隐式索引(前闭后开)
   

三. 索引堆

unstack()函数将行索引变成列索引,level参数等于哪层行索引，这个层的索引就会消失出现在列索引上

stack()函数将列索引变成行索引，level参数等于哪个层的列索引，这个层的索引就会消失出现在行索引中

1. Series

将倒数第一个行索引 ( a b c d e f ) 变为列索引,没有的元素用NaN补齐

2. DataFrame

将第0个行索引 ( a b c d ) 变为列索引

将第0个列索引 ( A B ) 变为行索引