数据规整——聚合——合并——重塑

1.

层次化索引   是指在一个轴上有多个索引级别  就是 套了两级甚至多级

iloc是   第几个就是第几个 跟几层索引没关系    

loc是  看什么搜什么  可以一层可以两层  想看什么都可以

可以把这个两层索引的变成一个df

data.unstack()

再变回来两层索引是stack()函数

df也可以每条轴有分层索引

df=pd.DataFrame(np.arange(12),reshape(3,4),index=[   [ 都是 ]  ,  [ 3个 ]  ],columns=[  [ 都是 ] ，[ 4个  ]   ])

然后也可以改   df.index（或者columns）.names=[  字符串或python对象 ]

然后df[ 要查的内容 ]

 

2.

重排和分级

df.swaplevel('key1','key2')    交换两个索引

df.sort_index(level=1)     以第二列索引为基准

 

3.

DataFrame和Series都有level选项  它用于指定某条轴上求和的级别

df.sum(level='key2')  就把key2那列留下了，然后key2中每一项都各自求和

df.sum(level='列名'，axis=1） 表头是color那行留下，然后剩下的每一项各自求和

 

4.

做一个用df的列进行索引的

注意中括号 [ ]  括起来才是新的index

然后加一个参数 drop=False 就不会把cd列从一开始的位置删除了

reset_index（）就放回去了