pandas--层次化索引

层次化索引是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。

创建一个Series，并用一个由列表或数组组成的列表作为索引。

 data=Series(np.random.randn(10),
 index=[['a','a','a','b','b','b','c','c','d','d'],
 [1,2,3,1,2,3,1,2,2,3]])
 
 data
 Out[6]:
 a  1   -2.842857
    2    0.376199
    3   -0.512978
 b  1    0.225243
    2   -1.242407
    3   -0.663188
 c  1   -0.149269
    2   -1.079174
 d  2   -0.952380
    3   -1.113689
 dtype: float64

这就是带MultiIndex索引的Series的格式化输出形式。索引之间的“间隔”表示“直接使用上面的标签”。

 data.index
 Out[7]:
 MultiIndex(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]])

对于一个层次化索引的对象，选取数据子集的操作很简单：

 data['b']
 Out[8]:
 1    0.225243
 2   -1.242407
 3   -0.663188
 dtype: float64
 
 data['b':'c']
 Out[10]:
 b  1    0.225243
    2   -1.242407
    3   -0.663188
 c  1   -0.149269
    2   -1.079174
 dtype: float64
 
 data.ix[['b','d']]
 __main__:1: DeprecationWarning:
 .ix is deprecated. Please use
 .loc for label based indexing or
 .iloc for positional indexing
 
 See the documentation here:
 http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated
 Out[11]:
 b  1    0.225243
    2   -1.242407
    3   -0.663188
 d  2   -0.952380
    3   -1.113689
 dtype: float64

甚至可以在“内层”中进行选取：

 data[:,2]
 Out[12]:
 a    0.376199
 b   -1.242407
 c   -1.079174
 d   -0.952380
 dtype: float64

 

层次化索引在数据重塑和基于分组的操作中扮演重要角色。

可以通过unstack方法被重新安排到一个DataFrame中：

 data.unstack()
 Out[13]:
           1         2         3
 a -2.842857  0.376199 -0.512978
 b  0.225243 -1.242407 -0.663188
 c -0.149269 -1.079174       NaN
 d       NaN -0.952380 -1.113689
 
 #unstack的逆运算是stack
 data.unstack().stack()
 Out[14]:
 a  1   -2.842857
    2    0.376199
    3   -0.512978
 b  1    0.225243
    2   -1.242407
    3   -0.663188
 c  1   -0.149269
    2   -1.079174
 d  2   -0.952380
    3   -1.113689
 dtype: float64

对于DataFrame，每条轴都可以有分层索引：

 frame=DataFrame(np.arange(12).reshape((4,3)),
 index=[['a','a','b','b'],[1,2,1,2]],
 columns=[['Ohio','Ohio','Colorado'],
 ['Green','Red','Green']])
 
 frame
 Out[16]:
      Ohio     Colorado
     Green Red    Green
 a 1     0   1        2
   2     3   4        5
 b 1     6   7        8
   2     9  10       11

各层都可以有名字。如果指定了名称，它们会显示在控制台中（不要将索引名称和轴标签混为一谈！）

 frame.index.names=['key1','key2']
 frame.columns.names=['state','color']
 
 frame
 Out[22]:
 state      Ohio     Colorado
 color     Green Red    Green
 key1 key2
 a    1        0   1        2
      2        3   4        5
 b    1        6   7        8
      2        9  10       11

由于有了分部的列索引，可以轻松选取列分组：

 frame['Ohio']
 Out[23]:
 color      Green  Red
 key1 key2
 a    1         0    1
      2         3    4
 b    1         6    7
      2         9   10

 

重排分级排序

有时需要重新调整某条轴上各级别的顺序，或根据指定级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（但数据不会发生变化）：

 frame.swaplevel('key1','key2')
 Out[24]:
 state      Ohio     Colorado
 color     Green Red    Green
 key2 key1
 1    a        0   1        2
 2    a        3   4        5
 1    b        6   7        8
 2    b        9  10       11

sortlevel则根据单个级别中的值对数据进行排序。交换级别时，常用得到sortlevel，这样最终结果也是有序的了：

 frame.swaplevel(0,1)
 Out[27]:
 state      Ohio     Colorado
 color     Green Red    Green
 key2 key1
 1    a        0   1        2
 2    a        3   4        5
 1    b        6   7        8
 2    b        9  10       11
 
 #交换级别0,1（也就是key1,key2)
 #然后对axis=0进行排序
 frame.swaplevel(0,1).sortlevel(0)
 __main__:1: FutureWarning: sortlevel is deprecated, use sort_index(level= ...)
 Out[28]:
 state      Ohio     Colorado
 color     Green Red    Green
 key2 key1
 1    a        0   1        2
      b        6   7        8
 2    a        3   4        5
      b        9  10       11

 

 

根据级别汇总统计

有时需要重新调整某条轴上各级别的顺序，或根据指定级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（但数据不会发生变化）：

 frame.sum(level='key2')
 Out[29]:
 state  Ohio     Colorado
 color Green Red    Green
 key2
 1         6   8       10
 2        12  14       16
 
 frame.sum(level='color',axis=1)
 Out[30]:
 color      Green  Red
 key1 key2
 a    1         2    1
      2         8    4
 b    1        14    7
      2        20   10

使用DataFrame的列

将DataFrame的一个或多个列当做行索引来用，或将行索引变成Dataframe 的列。

 frame=DataFrame({'a':range(7),'b':range(7,0,-1),
 'c':['one','one','one','two','two','two','two'],
 'd':[0,1,2,0,1,2,3]})
 
 frame
 Out[32]:
    a  b    c  d
 0  0  7  one  0
 1  1  6  one  1
 2  2  5  one  2
 3  3  4  two  0
 4  4  3  two  1
 5  5  2  two  2
 6  6  1  two  3

DataFrame的set_index函数会将其一个或多个列转换为行索引，并创建一个新的DataFrame：

 frame2=frame.set_index(['c','d'])
 
 frame2
 Out[34]:
        a  b
 c   d
 one 0  0  7
     1  1  6
     2  2  5
 two 0  3  4
     1  4  3
     2  5  2
     3  6  1

默认情况下，那些列会从DataFrame中移除，但也可以将其保留下来：

 frame.set_index(['c','d'],drop=False)
 Out[35]:
        a  b    c  d
 c   d
 one 0  0  7  one  0
     1  1  6  one  1
     2  2  5  one  2
 two 0  3  4  two  0
     1  4  3  two  1
     2  5  2  two  2
     3  6  1  two  3

reset_index的功能和set_index刚好相反，层次化索引的级别会被转移到列里面：

 frame2.reset_index()
 Out[36]:
      c  d  a  b
 0  one  0  0  7
 1  one  1  1  6
 2  one  2  2  5
 3  two  0  3  4
 4  two  1  4  3
 5  two  2  5  2
 6  two  3  6  1