Python Pandas – 在多重索引中设置级别

在 Pandas 中，多重索引是一个非常强大的工具，在数据分析中被广泛使用。它允许我们在一个 DataFrame 或 Series 中使用多个索引来访问数据，从而使得数据的存储和分析更加方便和高效。

这篇文章将会介绍在多重索引中设置级别的方法。我们将会从以下几个方面进行介绍：

• 创建多重索引
• 查看多重索引
• 从多重索引中选择数据
• 在多重索引中设置级别

创建多重索引

在 Pandas 中，我们可以使用 pd.MultiIndex 函数来创建多重索引。这个函数需要一个包含多个索引的列表作为参数，例如：

import pandas as pd

index = pd.MultiIndex.from_arrays([['A', 'A', 'B', 'B'], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'data': [1, 2, 3, 4]}, index=index)
print(data)

输出结果为：

             data
first second     
A     1         1
      2         2
B     1         3
      2         4

在这个例子中，我们首先创建了一个包含两个索引的列表，然后用这个列表创建了一个多重索引。我们还使用 names 参数为每个索引指定了一个名称，这样做可以方便地对每个索引进行引用。

查看多重索引

在多重索引中，我们可以使用 DataFrame.index 属性来查看当前索引结构。例如：

import pandas as pd

index = pd.MultiIndex.from_arrays([['A', 'A', 'B', 'B'], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'data': [1, 2, 3, 4]}, index=index)
print(data.index)

输出结果为：

MultiIndex([('A', 1),
            ('A', 2),
            ('B', 1),
            ('B', 2)],
           names=['first', 'second'])

从多重索引中选择数据

在多重索引中，我们可以使用 .loc 来选取数据。例如，以下代码将会选择第一个索引为 A，第二个索引为 1 的数据：

import pandas as pd

index = pd.MultiIndex.from_arrays([['A', 'A', 'B', 'B'], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'data': [1, 2, 3, 4]}, index=index)
print(data.loc[('A', 1)])

输出结果为：

data    1
Name: (A, 1), dtype: int64

我们还可以使用 .loc 来选择多个索引的数据。例如，以下代码将会选择第一个索引为 A 或者第一个索引为 B，第二个索引为 1 的数据：

import pandas as pd

index = pd.MultiIndex.from_arrays([['A', 'A', 'B', 'B'], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'data': [1, 2, 3, 4]}, index=index)
print(data.loc[(['A', 'B'], 1)])

输出结果为：

             data
first second     
A     1         1
B     1         3

在多重索引中设置级别

在多重索引中，我们也可以对索引进行修改和调整。其中一个常见的操作就是修改某个索引的级别。我们可以使用 .reorder_levels 方法来改变索引的级别顺序。例如：

import pandas as pd

index = pd.MultiIndex.from_arrays([['A', 'A', 'B', 'B'], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'data': [1, 2, 3, 4]}, index=index)
print(data.reorder_levels(['second', 'first']))

输出结果为：

             data
second first     
1      A         1
2      A         2
1      B         3
2      B         4

在这个例子中，我们使用 .reorder_levels 方法来交换了第一级索引和第二级索引的顺序。

另外，我们还可以使用 .swaplevel 方法来交换某两个级别的位置。例如：

import pandas as pd

index = pd.MultiIndex.from_arrays([['A', 'A', 'B', 'B'], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'data': [1, 2, 3, 4]}, index=index)
print(data.swaplevel('first', 'second'))

输出结果为：

             data
second first     
1      A         1
2      A         2
1      B         3
2      B         4

在这个例子中，我们使用 .swaplevel 方法将第一级索引和第二级索引互换了位置。

除了改变索引的顺序，我们也可以改变某个索引的值，包括增加、删除或者修改某些值。例如，以下代码将会把第一个索引的值全部替换为大写字母：

import pandas as pd

index = pd.MultiIndex.from_arrays([['A', 'A', 'B', 'B'], [1, 2, 1, 2]], names=['first', 'second'])
data = pd.DataFrame({'data': [1, 2, 3, 4]}, index=index)
data.index.set_levels([['a', 'b'], [1, 2]], level=0, inplace=True)
print(data)

输出结果为：

       data
a 1      1
  2      2
b 1      3
  2      4

在这个例子中，我们使用 .set_levels 方法将第一个索引的值修改为大写字母。注意，我们需要指定要修改的级别，以及待修改的值。

结论

在本文中，我们介绍了在多重索引中设置级别的方法。具体来说，我们介绍了如何创建多重索引、查看多重索引、从多重索引中选择数据，并且详细介绍了在多重索引中设置级别的方法。希望这篇文章对你有所帮助！