pandas中Series的多级索引

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/HQ1356466973/article/details/83588739

假设我们想分析2017年和2018年广东，广西，湖南的人口数。如果使用Series进行存储的话，比较直接的方法如下：

In[1]index = [('广东',2017),('广东',2018),('广西', 2017),('广西', 2018),('湖
南',2017),('湖南', 2018)]

In[2]populations = [3387964,658964,
                458752,698256,
                125874,658963]

In[3]pop = pd.Series(populations, index=index)
In[4]pop
out[0]
(广东, 2017)    3387964
(广东, 2018)     658964
(广西, 2017)     458752
(广西, 2018)     698256
(湖南, 2017)     125874
(湖南, 2018)     658963
dtype: int64

通过切片获取数据：

In [9]: pop[('广东',2017):('广西', 2017)]
Out[9]:
(广东, 2017)    3387964
(广东, 2018)     658964
(广西, 2017)     458752
dtype: int64

但是这种做法不方便，假设我想获取2017年这三个省份的人口数，不得不采用复杂的办法：

In [12]: pop[[i for i in pop.index if i[1]==2017]]
Out[12]:
(广东, 2017)    3387964
(广西, 2017)     458752
(湖南, 2017)     125874
dtype: int64

这么做虽然也能达到所要的结果，但是与pandas让人崇拜又喜欢的切片相比，这种做法不够简洁、直观。而多级索引可以解决这个问题：

我们使用pandas中MultiIndex创建多级索引：

In [13]: index = pd.MultiIndex.from_tuples(index)

In [14]: index
Out[14]:
MultiIndex(levels=[['广东', '广西', '湖南'], [2017, 2018]],
           labels=[[0, 0, 1, 1, 2, 2], [0, 1, 0, 1, 0, 1]])

MultiIndex里有一个标签表示索引的等级，于是我们将前面创建的pop的索引重置：

In [15]: pop = pop.reindex(index)

In [16]: pop
Out[16]:
广东  2017    3387964
    2018     658964
广西  2017     458752
    2018     698256
湖南  2017     125874
    2018     658963
dtype: int64

如上图所示，其中前两列表示多级索引，第三列是数据。此时，我们可以通过切片很方便的获取2017的人口数：

In [17]: pop[:,2017]
Out[17]:
广东    3387964
广西     458752
湖南     125874
dtype: int64

注意到没有，其实上面的pop完全可以用一个表格来表示，也就是转换成一个DataFrame：

In [18]: pop_df = pop.unstack()
Out[18]:pop_df
       2017    2018
广东  3387964  658964
广西   458752  698256
湖南   125874  658963

与unstack()相反的操作是stack()：

In [22]: pop_df.stack()
Out[22]:
广东  2017    3387964
    2018     658964
广西  2017     458752
    2018     698256
湖南  2017     125874
    2018     658963
dtype: int64

扫描二维码关注公众号，回复： 3915025 查看本文章