对Pandas MultiIndex(多重索引)详解

在 Pandas 中，MultiIndex 是一种针对具有多个级别的 Series 或 DataFrame 提供索引的技术。如果你的数据集中存在多个维度，那么你可能需要使用 MultiIndex 进行数据处理和分析。本文将介绍 MultiIndex 的相关知识以及其重要性和实用性。

什么是 MultiIndex

MultiIndex，也称为 Hierarchical Index，在 Pandas 中被定义为一个提供了多级别索引的数据结构。MultiIndex 不是新的数据类型，而是一种可以被 ColumnIndex 或 Index 以合适的方式组合起来的数据结构。也就是说，MultiIndex 是一种完全透明的抽象数据类型，可以被用于访问 Series 或 DataFrame 以实现数据的同步处理。

多层级（MultiIndex）可以指的是 DataFrame 中的行或列。

创建 MultiIndex

我们可以使用一些不同的方式来创建 MultiIndex。下面有两个例子。

创建一个基于元组的 MultiIndex

一个基于元组的 MultiIndex 是由一个或多个元组（arrys）或者多个集合（string / array-like objects）所组成的。我们可以使用 pandas.MultiIndex.from_tuples() 函数来创建一个基于元组的 MultiIndex。

import pandas as pd 

tuples = [('a', 'x'), ('a', 'y'), ('b', 'x'), ('b', 'y')]

multi_index = pd.MultiIndex.from_tuples(tuples)

print(multi_index)

输出结果：

MultiIndex([(a, x),
            (a, y),
            (b, x),
            (b, y)],
          )

在这个例子中，我们创建了一个基于元组的 MultiIndex，它包含级别0和级别1。

创建一个基于多层级的 MultiIndex

可以使用 pandas.DataFrame() 函数来创建一个基于多层级的 MultiIndex。

import pandas as pd 

multi_index = pd.DataFrame({'a': ['foo', 'foo', 'bar', 'bar'], 
                            'b': ['one', 'two', 'one', 'two'], 
                            'c': [1, 2, 3, 4], 
                            'd': [10, 20, 30, 40]})

multi_index.set_index(['a', 'b', 'c'], inplace=True)

print(multi_index)

输出结果：

             d
a   b   c    
foo one 1  10
    two 2  20
bar one 3  30
    two 4  40

在这个例子中，我们创建了一个 DataFrame，然后使用 set_index() 函数将多个列转化为一个多层级的 MultiIndex。在输出结果中，我们可以查看到最终的 MultiIndex。

MultiIndex 的使用

一旦创建了 MultiIndex，我们就可以使用许多涉及多层的 Pandas 操作来访问和操作数据。

访问 MultiIndex

可以使用 loc() 函数来访问 MultiIndex。

import pandas as pd 

multi_index = pd.DataFrame({'a': ['foo', 'foo', 'bar', 'bar'], 
                            'b': ['one', 'two', 'one', 'two'], 
                            'c': [1, 2, 3, 4], 
                            'd': [10, 20, 30, 40]})

multi_index.set_index(['a', 'b', 'c'], inplace=True)

print(multi_index.loc[('foo', 'one', 1)])

输出结果：

d    10
Name: (foo, one, 1), dtype: int64

在这个例子中，我们使用 loc() 函数来访问 ('foo', 'one', 1) 这个多层级索引对应的数据。

堆叠和解除堆叠 MultiIndex

可以将多层 MultiIndex 的一部分堆叠起来，从而产生一个 DataFrame 或 Series。堆叠函数包括 stack() 和 unstack()。

import pandas as pd 

multi_index = pd.DataFrame({'a': ['foo', 'foo', 'bar', 'bar'], 
                            'b': ['one', 'two', 'one', 'two'], 
                            'c': [1, 2, 3, 4], 
                            'd': [10, 20, 30, 40]})

multi_index.set_index(['a', 'b', 'c'], inplace=True)

stacked_multi_index = multi_index.stack()
print(stacked_multi_index)

输出结果：

a    b    c     
foo  one  1  d    10
          2  d    20
     two  1  d    30
          2  d    40
bar  one  3  d    30
     two  4  d    40
dtype: int64

在这个例子中，我们使用了 stack() 函数堆叠了 multi_index 中的一部分 MultiIndex。输出结果中，我们看到了堆叠后的结果。

结论

MultiIndex 是一种非常实用的数据结构，它可以帮助我们处理和分析具有多个维度的数据集。本文介绍了 MultiIndex 的相关知识和基本使用方法，希望对你的工作有所帮助。