Pandas 如何将具有层次结构的索引展平成列

在本文中，我们将介绍使用Pandas将具有层次结构的索引展平成列的方法。

在Pandas中，有时候我们会处理具有层次结构的数据，也就是说，列或行的索引可以由多个级别组成，这种数据通常由函数pivot_table和groupby产生。在这种情况下，数据框的行或者列的索引就不是一维的了，而是由多维的层次索引组成。如果我们需要对这样的数据进行统计分析，就有必要将这些层次索引展平成列，以便于后续进行数据操作和可视化分析。

阅读更多：Pandas 教程

Pandas如何展平具有层次结构的索引

Pandas提供了stack()和unstack()两个函数，可以用来对具有层次结构的索引进行展平。这两个函数的区别在于，stack()可以将列的层次索引转换为行的层次索引，而unstack()则可以将行的层次索引转换为列的层次索引。

下面我们将通过几个示例来演示这两个函数的用法。

示例

示例 1: 沿行展平层次索引

我们首先通过下面的语句创建一个数据框：

import pandas as pd

data = {'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
        'B': ['one', 'one', 'two', 'two', 'one', 'one'],
        'C': ['small', 'large', 'large', 'small','small', 'large'],
        'D': [1, 2, 2, 3, 3, 4],
        'E': [2, 4, 5, 5, 6, 6]}

df = pd.DataFrame(data)

这个数据框包含了一个三层次索引，其中A、B、C就是多维索引的三个层次。我们使用stack()函数，可以将其中的列索引展平成行索引。

df_stacked = df.stack()

运行上面的代码后，我们得到的df_stacked数据框，其中包含了四个层次索引。

示例 2: 沿列展平层次索引

下面我们通过示例说明如何沿列展平层次索引。假设我们有一个包含三层次列索引的数据框，其中每个列索引的名称分别为A、B、C，我们使用下面的语句可以创建这个数据框。

data = pd.DataFrame(np.arange(12).reshape((2, 2, 3)),
                    index=pd.Index(['Ohio', 'Colorado'], name='state'),
                    columns=pd.MultiIndex.from_arrays([['A', 'A', 'B'], ['B', 'C', 'C']], names=['exp', 'comp']))

现在我们使用unstack()函数，可以将其中的层次索引展平成列索引。