Python pandas之多级索引取值详解

什么是多级索引

多级索引（MultiIndex）是pandas中用于处理具有分层级别的索引的方法。分层索引可以为数据带来很多好处，比如增强数据的可读性、支持高效的选取和分组运算、支持多维度聚合等等。

在pandas中，多级索引的对象是MultiIndex，它类似于DataFrame和Series的索引，但是可以由多个级别组成。每个级别可以是字面上的名称（比如A、B、C），也可以是浮点数、整数或时间戳等类型。

创建多级索引

创建多级索引有很多种方式，比如使用from_tuples、from_arrays、from_product、from_frame等方法创建MultiIndex对象。这里我们以from_tuples方法为例：

import pandas as pd

index = pd.MultiIndex.from_tuples(
    [('A', 'X'), ('A', 'Y'), ('B', 'X'), ('B', 'Y')],
    names=['Letter', 'Second'])
s = pd.Series([1, 2, 3, 4], index=index)

上面的代码中，我们先创建了一个包含二元组的列表，然后使用from_tuples方法创建MultiIndex对象。同时，我们还通过names参数指定了每个级别的名称。

多级索引的选取

多级索引的选取可以通过loc和iloc属性进行。loc属性用于标签索引，iloc属性用于位置索引。

首先，我们看一下通过loc属性对多级索引进行选取的示例：

import pandas as pd

index = pd.MultiIndex.from_tuples(
    [('A', 'X', 'foo'), ('A', 'Y', 'bar'), ('B', 'X', 'baz'), ('B', 'Y', 'qux')],
    names=['Letter', 'Second', 'Third'])
df = pd.DataFrame({'Col': [1, 2, 3, 4]}, index=index)

# 选取第A行X列的值
print(df.loc[('A', 'X'), 'Col'])

# 选取第A行的所有列
print(df.loc['A'])

# 选取除了第A行的其他行
print(df.loc[df.index.get_level_values('Letter') != 'A'])

# 选取第三列中值为'baz'的行
print(df.loc[df.index.get_level_values('Third') == 'baz'])

上面的示例中，我们建立了一个三级索引的DataFrame对象，并对其进行了多个选取示例。

再来看一下通过iloc属性对多级索引进行选取的示例：

import pandas as pd

index = pd.MultiIndex.from_tuples(
    [('A', 'X', 'foo'), ('A', 'Y', 'bar'), ('B', 'X', 'baz'), ('B', 'Y', 'qux')],
    names=['Letter', 'Second', 'Third'])
df = pd.DataFrame({'Col': [1, 2, 3, 4]}, index=index)

# 选取第一行第一列的值
print(df.iloc[0, 0])

# 选取第一行到第三行，第一列的值
print(df.iloc[0:3, 0])

上面的示例中，我们建立了一个三级索引的DataFrame对象，并对其进行了多个选取示例。

总结

多级索引是pandas中处理分层级别索引数据的强大工具，可以为数据带来很多好处，比如可读性和高效性等。同时，pandas也提供了一些便捷的方式来创建和选取多级索引。