数据分析04_pandas层次化索引

在许多应用中，数据可能分散在许多文件或数据库中，存储的形式也不利于分析，应采用聚合、合并、重塑数据的方法进行处理。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。

1.多层行索引

1. 隐式构造
   常见的方法是给DataFrame构造函数的index参数传递两个或更多的数组
   s = Series(data = [1,2,3,“a”], index = [[“a”,“a”,“b”,“b”],[“期中”,“期末”,“期中”,“期末”]])
2. 显示构造pd.MultiIndex
   a.使用数组
   b.使用tuple
   c.使用product（最简单推荐使用）

2.多层列索引

3. 多层索引对象的索引与切片操作

1）Series的操作：对于Series来说，直接中括号[]与使用.loc()完全一样，因此，推荐使用中括号索引和切片。
a.索引

b.切片

2）DataFrame的操作
行：使用行索引需要用ix()，loc()等函数，推荐使用loc()函数
列：可以直接使用列名称来进行列索引
注意：在对行索引的时候，若一级行索引还有多个，对二级行索引会遇到问题！也就是说，无法直接对二级索引进行索引，必须让二级索引变成一级索引后才能对其进行索引！

4.索引的堆（stack）

stack(level = 1)：把列索引变成行索引
unstack(level=0)：把里面的行索引变成列索引
小技巧：
使用stack()的时候，level等于哪一个，哪一个就消失，出现在行里；
使用unstack()的时候，level等于哪一个，哪一个就消失，出现在列里

5.聚合操作

注意：
（1）需要指定axis
（2）和unstack()相反，聚合的时候，axis等于哪一个，哪一个就保留

data.std()标准差