Python Pandas – 使用多级索引级别名称重新排列级别

在 Pandas 中，多级索引是提高数据可读性和操作性的重要手段之一。但是当数据集很大时，多级索引的定义和操作可能变得复杂和困难。这时候，我们需要重新排列多级索引的级别名称，使得数据更容易理解。

本文将介绍 Pandas 中使用多级索引级别名称重新排列级别的方法，并附上示例代码。我们将通过以下三个步骤完成操作：

1. 创建一个包含多级索引的 Pandas 数据框
2. 利用reorder_levels()函数重新排列索引级别
3. 查看重新排列后的数据框

创建一个包含多级索引的 Pandas 数据框

我们首先需要创建一个包含多级索引的 Pandas 数据框。这里我们以一个包含销售数据的数据框为例：

import pandas as pd

# 创建一个包含多级索引的 Pandas 数据框
data = {
    ('东部', 'A类'): [100, 150, 120],
    ('东部', 'B类'): [200, 180, 120],
    ('西部', 'A类'): [80, 130, 150],
    ('西部', 'B类'): [120, 160, 180]
}
index = pd.MultiIndex.from_tuples([('2021-01-01', '张三'), ('2021-01-02', '李四'), ('2021-01-03', '王五')])
df = pd.DataFrame(data, index=index)

这个数据框有两个级别的索引，其中第一个级别有日期和用户两个变量，第二个级别有地区和产品类别。我们可以看到，这个数据集的索引级别顺序是(日期, 用户)和(地区, 产品类别)。

利用reorder_levels()函数重新排列索引级别

为了简化这个数据集的操作，我们需要重新排列索引级别，将(日期, 用户)放在后面，将(地区, 产品类别)放在前面。我们可以使用reorder_levels()函数来完成这个操作。

# 利用 reorder_levels() 函数重新排列索引级别
df = df.reorder_levels([1, 0], axis=0)

在这个函数中，我们将1和0与axis=0进行绑定。1和0代表了新的索引级别顺序，即(地区, 产品类别)和(日期, 用户)。

查看重新排列后的数据框

现在，我们来查看一下重新排列后的数据框：

print(df)

运行结果如下：

           东部             西部        
           A类   B类   A类   B类
用户   日期                        
张三 2021-01-01  100  200   80  120
李四 2021-01-02  150  180  130  160
王五 2021-01-03  120  120  150  180

我们可以看到，索引级别已经被重新排列。这使得数据更容易理解和操作。

我们还可以在不必更改源数据框的情况下，使用.swaplevel()函数来实现相同的效果。示例代码如下：

df_swap = df.swaplevel(i=0, j=1, axis=0)
print(df_swap)

结论

本文介绍了 Pandas 中使用多级索引级别名称重新排列级别的方法，并分享了相关示例代码。重新排列索引级别可以使得数据更容易理解和操作，尤其是在数据集较大时。

更多关于 Pandas 的知识，请参考 Pandas 官方文档和教程。