Python Pandas – 从DataFrame创建多级索引

在处理复杂的数据集时，多级索引是一种非常有用的方法，它可以帮助我们更好地组织和查询数据。在Pandas中，我们可以从DataFrame创建多级索引，本文将介绍如何进行操作。

简单的例子

我们从一个简单的DataFrame开始，包含了销售部门不同经理的销售额数据：

import pandas as pd

df = pd.DataFrame({'部门': ['销售部', '销售部', '销售部', '市场部', '市场部', '研发部'], 
                   '经理': ['张三', '李四', '王五', '赵六', '孙七', '周八'], 
                   '销售额': [100, 200, 300, 400, 500, 600]})

print(df)

输出如下：

    部门  经理  销售额
0  销售部  张三  100
1  销售部  李四  200
2  销售部  王五  300
3  市场部  赵六  400
4  市场部  孙七  500
5  研发部  周八  600

我们希望能够按照“部门”和“经理”两个因素对销售数据进行分组和查询。

首先，我们可以使用set_index方法将“部门”和“经理”这两列作为索引，如下所示：

df_indexed = df.set_index(['部门', '经理'])

print(df_indexed)

输出：

           销售额
部门  经理      
销售部 张三   100
    李四   200
    王五   300
市场部 赵六   400
    孙七   500
研发部 周八   600

我们可以看到现在的DataFrame已经成为了一个两级索引，其中“部门”作为第一层索引，“经理”作为第二层索引。

接下来，我们可以根据这两个索引进行查询。例如，如果我们想查询“销售部”的所有数据，可以使用loc方法，如下所示：

df_sales = df_indexed.loc['销售部']

print(df_sales)

输出如下：

     销售额
经理      
张三   100
李四   200
王五   300

同样，如果我们想查询“张三”的销售数据，也可以使用loc方法，如下所示：

sales_zhangsan = df_indexed.loc[('销售部', '张三')]

print(sales_zhangsan)

输出：

销售额    100
Name: (销售部, 张三), dtype: int64

多级索引的创建和应用

上面的例子中，我们通过set_index方法将DataFrame的行索引设置成了多级索引。除此之外，我们还可以在创建DataFrame的时候直接指定多级索引。

例如，我们可以通过创建一个元素为元组的列表来指定多级索引。以下是一个例子：

data = [((1, 'A'), 10), ((1, 'B'), 20), ((2, 'A'), 30), ((2, 'B'), 40)]
multi_index = pd.MultiIndex.from_tuples(data, names=['first', 'second'])
df_multi = pd.DataFrame({'values': [10, 20, 30, 40]}, index=multi_index)

print(df_multi)

输出：

            values
first second       
1     A         10
      B         20
2     A         30
      B         40

我们可以看到，这个DataFrame有两个级别的行索引，“first”和“second”。我们可以使用loc方法来查询数据，例如查看“first”为1的所有数据：

df_first = df_multi.loc[(1,)]

print(df_first)

输出：

        values
second       
A           10
B           20

上面的代码中，我们使用了(1,)来选取“first”为1的所有数据，“:`表示选取所有的“second”。

另外，有时我们会想要对多级索引的级别进行排序。Pandas提供了sort_index方法来实现这一点。例如，我们可以按照“second”级别的值进行排序：

df_sorted = df_multi.sort_index(level='second')

print(df_sorted)

输出：

            values
first second       
1     A         10
2     A         30
1     B         20
2     B         40

上面的代码中，我们使用sort_index方法并设置level='second'来按照“second”级别的值进行排序。

重塑和堆叠

有时候，我们可能需要将多级索引的某些级别转换为列，或者将某些列转换为行，这时可以使用stack和unstack方法来实现。

其中，stack方法可以将DataFrame的列转换为行，同时将转换后的行索引变成多级索引的一级；而unstack方法则可以将行索引中的某一级转换为列，同时将转换后的列索引变成多级索引的一级。

以下是一个例子，我们将上面的例子中的“first”级别的行索引转换为列：

df_stacked = df_multi.reset_index().rename(columns={'level_0': 'first', 'level_1': 'second'}).set_index(['second', 'first']).stack().reset_index().rename(columns={0: 'values'})

print(df_stacked)

输出：

  second  first  level_2  values
0      A      1   values      10
1      A      2   values      30
2      B      1   values      20
3      B      2   values      40

可以看到，我们首先使用reset_index方法将多级索引变成列，然后使用set_index方法将“second”和“first”两列变回行索引。接下来，我们使用stack方法将“first”这一行索引级别的列转换为行。最后，我们使用rename方法来命名转换后的列，输出结果与原始数据结构并不相同。

如果我们想将上面的结果再转换回去，也可以使用unstack方法，如下所示：

df_unstacked = df_stacked.set_index(['second', 'first', 'level_2']).unstack('first')

print(df_unstacked)

输出：

          values    
first          1   2
second              
A             10  30
B             20  40

上面的代码中，我们首先使用set_index方法将行索引设置为多级索引，然后使用unstack方法将“first”这一级别的索引转换为列。