Pandas 中的多级索引是一种强大的工具，用于处理具有多个维度或层次的数据。多级索引可以在行和列上创建层次结构，提供更灵活的数据表示和分析方式。在本篇博客中，我们将深入介绍 Pandas 中的多级索引，通过实例演示如何应用这一功能。

1. 安装 Pandas

确保你已经安装了 Pandas。如果尚未安装，可以使用以下命令：

pip install pandas

2. 导入 Pandas 库
   在使用 Pandas 之前，首先导入 Pandas 库：

import pandas as pd

3. 创建多级索引

3.1 在 DataFrame 中创建多级索引
创建多级索引 DataFrame

data = {
    'Value': [10, 20, 30, 40, 50, 60],
    'Category': ['A', 'B', 'C', 'A', 'B', 'C'],
    'Year': [2020, 2020, 2020, 2021, 2021, 2021]
}
 
df = pd.DataFrame(data)
df.set_index(['Year', 'Category'], inplace=True)

3.2 使用 MultiIndex 对象创建多级索引

# 使用 MultiIndex 对象创建多级索引
index = pd.MultiIndex.from_tuples([(2020, 'A'), (2020, 'B'), (2020, 'C'), (2021, 'A'), (2021, 'B'), (2021, 'C')],
                                  names=['Year', 'Category'])
 
data = {'Value': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data, index=index)

4. 多级索引的索引与切片

4.1 使用 .loc 进行多级索引的切片

# 使用 .loc 进行多级索引的切片
result = df.loc[2020]

4.2 使用 xs 方法进行多级索引的切片

# 使用 xs 方法进行多级索引的切片
result = df.xs(key=2020, level='Year')

5. 多级索引的堆叠与取消堆叠

5.1 使用 stack 方法进行堆叠

# 使用 stack 方法进行堆叠
stacked_df = df.stack()

5.2 使用 unstack 方法进行取消堆叠

# 使用 unstack 方法进行取消堆叠
unstacked_df = stacked_df.unstack()

6. 多级索引的交换与排序

6.1 使用 swaplevel 方法交换索引级别

# 使用 swaplevel 方法交换索引级别
swapped_df = df.swaplevel('Year', 'Category')

6.2 使用 sort_index 方法进行索引排序

# 使用 sort_index 方法进行索引排序
sorted_df = df.sort_index(level='Year', ascending=False)

7. 多级索引的聚合操作

# 使用多级索引进行聚合操作
aggregated_result = df.groupby(level='Year').sum()

8. 多级索引的重命名

# 重命名多级索引的级别
df.rename_axis(index={'Year': 'Time'}, inplace=True)

9. 总结
   多级索引是 Pandas 中用于处理层次化数据的强大工具，通过多级索引，你可以更灵活地组织和分析数据。在实际应用中，多级索引常用于处理时间序列、多维度数据等场景。希望这篇博客能够帮助你更好地理解和运用 Pandas 中的多级索引。

到此这篇关于Pandas多级索引的实现示例的文章就介绍到这了,更多相关Pandas多级索引内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！

原文链接：https://blog.csdn.net/weixin_46178278/article/details/135178441