pandas 将单级索引变为多级索引|极客笔记

pandas 将单级索引变为多级索引

在数据分析和处理的过程中，我们经常会遇到需要将单级索引变为多级索引的情况。多级索引可以帮助我们更好地组织和管理数据，使得数据结构更加清晰和灵活。在Python的数据处理库pandas中，提供了非常便利的方法来实现将单级索引变为多级索引的操作。

为什么需要将单级索引变为多级索引

在实际的数据处理中，有时候我们需要对数据进行多维度的分析，例如同时按照时间和地区进行分组统计。这时候，使用单级索引就显得力不从心了。多级索引可以让我们方便地按照多个维度对数据进行操作和分析，提高了数据处理的效率和灵活性。

使用`set_index`方法将单级索引变为多级索引

在pandas中，我们可以使用set_index方法来将单级索引变为多级索引。set_index方法可以接受一个或多个列名作为参数，将这些列设置为DataFrame的索引。下面我们通过一个示例来演示如何使用set_index方法将单级索引变为多级索引。

import pandas as pd

# 创建一个简单的DataFrame
data = {
    'year': [2010, 2010, 2011, 2011],
    'month': [1, 2, 1, 2],
    'value1': [1, 2, 3, 4],
    'value2': [5, 6, 7, 8]
}
df = pd.DataFrame(data)

# 将year和month列设置为多级索引
df.set_index(['year', 'month'], inplace=True)

print(df)

运行以上代码，我们将year和month列设置为DataFrame的多级索引，输出如下：

           value1  value2
year month                
2010 1          1       5
     2          2       6
2011 1          3       7
     2          4       8

可以看到，DataFrame的索引由原来的单级索引变为了多级索引，分别是year和month列。

使用`MultiIndex`构造多级索引

除了使用set_index方法外，我们还可以使用MultiIndex对象来手动构造多级索引。MultiIndex对象可以接受由多个索引级别组成的列表，通过这种方式来构造多级索引。

import pandas as pd

# 创建一个简单的DataFrame
data = {
    'year': [2010, 2010, 2011, 2011],
    'month': [1, 2, 1, 2],
    'value1': [1, 2, 3, 4],
    'value2': [5, 6, 7, 8]
}
df = pd.DataFrame(data)

# 创建MultiIndex对象
multi_index = pd.MultiIndex.from_frame(df[['year', 'month']])

# 设置MultiIndex为DataFrame的索引
df.set_index(multi_index, inplace=True)

print(df)

运行以上代码，我们手动构造了一个MultiIndex对象，并将其设置为DataFrame的索引，输出如下：

           value1  value2
year month                
2010 1          1       5
     2          2       6
2011 1          3       7
     2          4       8

同样，我们也成功地将year和month列设置为DataFrame的多级索引。