【Python数据分析之pandas06】层次化索引

JackkwiN

于 2018-03-19 17:20:48 发布

阅读量580

点赞数

CC 4.0 BY-SA版权

分类专栏： Python Python数据分析

本文链接：https://blog.csdn.net/qq_39925317/article/details/79612921

本文详细探讨了Pandas库中的层次化索引特性，展示了如何利用层次化索引方便地访问数据子集。内容涵盖在Series和DataFrame中应用层次化索引，包括选取特定层次的索引、重命名层次以及调整层次关系等操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

层次化索引

Pandas层次化索引将对象的索引分层，以便调用。

s1 = pd.Series(range(1,11),index=[['a','a','a','b','b','b','c','c','d','d'],[1,2,3,1,2,3,1,2,2,3]])
s1

'''
a  1     1
   2     2
   3     3
b  1     4
   2     5
   3     6
c  1     7
   2     8
d  2     9
   3    10
dtype: int64
'''

显然地，s1由两层索引，这样一来，我们可以很方便的访问它的子集：

s1['a']
'''
1    1
2    2
3    3
dtype: int64
'''

甚至可以从内层索取：

s1[:,2]
'''
a    2
b    5
c    8
d    9
dtype: int64
'''

DataFrame中，每条轴都可以有分层索引:

df = pd.DataFrame(np.arange(12).reshape((4,3)),
                 index=[['a','a','b','b'],[1,2,1,2]],
                 columns=[['one','one','two'],['first','second','second']])
print(df)

'''
    one           two
    first second second
a 1     0      1      2
  2     3      4      5