【DA】pandas层次化索引

---

层次化索引（hierarchical indexing）是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。抽象点说，它使你能以低纬度处理高纬度数据。

Series

data=pd.Series(np.random.randn(10),
               index=[list('aaabbbccdd'),list('1231231223')])
# a  1   -0.264274
#    2    0.623079
#    3   -0.382485
# b  1   -0.126583
#    2    0.166526
#    3   -0.029227
# c  1   -0.377238
#    2    1.856859
# d  2   -1.154921
#    3   -0.073246
# dtype: float64

data.index
# MultiIndex([('a', '1'),
#             ('a', '2'),
#             ('a', '3'),
#             ('b', '1'),
#             ('b', '2'),
#             ('b', '3'),
#             ('c', '1'),
#             ('c', '2'),
#             ('d', '2'),
#             ('d', '3')],
#            )

data['b']
#  1   -0.126583
#  2    0.166526
#  3   -0.029227

data['b':'c'] # data.ix[['b','c']]
# b  1   -0.126583
#    2    0.166526
#    3   -0.029227
# c  1   -0.377238
#    2    1.856859

data.ix[['b','d']]
# b  1   -0.126583
#    2    0.166526
#    3   -0.029227
# d  2   -1.154921
#    3   -0.073246

# 数据重塑
data.unstack()

	1	2	3
a	-2.623162	0.625838	0.071932
b	1.041243	0.507749	-1.062712
c	0.517531	0.447269	NaN
d	NaN	1.485503	0.944937

# 数据重塑逆运算
data.unstack().stack()

# a  1   -2.623162
#    2    0.625838
#    3    0.071932
# b  1    1.041243
#    2    0.507749
#    3   -1.062712
# c  1    0.517531
#    2    0.447269
# d  2    1.485503
#    3    0.944937
# dtype: float64

DataFrame

frame=pd.DataFrame(np.arange(12).reshape(4,3),
                  index=[list('aabb'),list('1212')],
                  columns=[['ohio','ohio','colorado'],
                          ['green','red','green']])

frame.index.names=['keys1','keys2']
frame.columns.names=['state','color']

frame['ohio']

重排分级顺序

有时，我们需要重新调整某条轴上各个级别的顺序，或根据指定级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（但数据不会发生变化）。

frame.swaplevel('keys1','keys2')

根据级别汇总统计

frame.sum(level='keys2')

frame.sum(level='color',axis=1)