python/pandas/numpy数据分析（七）-MultiIndex

data=Series(np.random.randn(10),index=[list('aaabbbccdd'),list('1231231223')])dataa  1    0.198134   2    0.657700   3   -0.984464b  1    0.105481   2   -1.587769   3    0.329646c  1   -0.172460   2   -1.234518d  2   -1.200264   3   -0.239958dtype: float64data.indexMultiIndex(levels=[['a', 'b', 'c', 'd'], ['1', '2', '3']],           labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])

取层次化索引:

data['b':'c']b  1    0.105481   2   -1.587769   3    0.329646c  1   -0.172460   2   -1.234518dtype: float64data.ix[['b','c']]b  1    0.105481   2   -1.587769   3    0.329646c  1   -0.172460   2   -1.234518dtype: float64

取内层索引:

data[:, '2']a    0.657700b   -1.587769c   -1.234518d   -1.200264dtype: float64

unstack: 将Series放到DataFrame中

data.unstack()    1   2   3a   0.198134    0.657700    -0.984464b   0.105481    -1.587769   0.329646c   -0.172460   -1.234518   NaNd   NaN -1.200264   -0.239958

data.unstack().stack() 进行还原

data.unstack().stack()

对于DataFrame，每个轴上都可以有分层索引

frame=DataFrame(np.arange(12).reshape(4,3),                index=[list('aabb'),list('1212')],                columns=[['ohio','ohio','colorado'],['Green','Red','Green']])frame

还可以命名：

frame.index.names=['key1','key2']frame.columns.names=['state','color']frame

因为有了列索引，所以可以直接取列分组

frame['ohio']

根据级别汇总统计

frame.indexMultiIndex(levels=[['a', 'b'], ['1', '2']],           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],           names=['key1', 'key2'])

levels用于在指定在某条轴上进行求和的级别.

frame.sum(level='key2')frame.sum(level='color',axis=1)

将列转换为行索引

DataFrame的set_index函数会将一个或者多个列转换为行索引,并创建一个新的DataFrame

reset_index的功能跟set_index刚好相反，层次化索引的级别挥别转移到列里面