一、层次化索引：
在一个轴上拥有多个索引（两个及以上），它使得我们能以低纬度形式处理高纬度数据。层次化索引在数据重塑和基于分组的操作（透视表的生成）中扮演重要角色。
简单的说，层次化索引就是轴上有多个级别的索引。
二、带层次化索引的Series数组对象
1、创建带层次化索引的Series数组对象
out:
：每个级别的标签去重后的数组
：以整数来表示每个level上标签的位置
：每个级别索引的名字
2、利用层次化索引进行查询
- 通过一级索引进行数据查询
- 通过二级索引进行数据查询
- 通过两级索引共同进行数据查询
3、数据的重塑 pd.unstack()
重塑前：
一维数组，只有一行数据
重塑后：
行数据变成了列数据，因为一级索引a、b 与 二级索引4对应的地方无数据，所以显示成缺失值NaN
注意：此时是一个三行四列的二维数组DataFrame!!!
填补缺失值为0
指定按照一级索引（最外面一层索引）进行数据重塑
对应的使用stack()即可将列数据转换成行数据
三、带层次化索引的DataFrame数组对象
1、创建带层次化索引的DataFrame数组对象
准备数据
效果如下：
查看行索引：
可以看出行索引是多重索引：
设置多层列索引前：
设置多层索引：
设置多层列索引后：
可以设置一下不同级别的列索引的名称
2、利用层次化索引进行查询
- 通过第一层行索引检索数据
- 通过多层行索引检索数据
(多层索引，要以元组形式进行查询)
- 通过第一层列索引检索数据
- 通过第二层列索引检索数据
报错：KeyError: ‘isbn’
要与第一层列索引一起使用
另外一种写法
四、重排分级数据
交换行索引级别
交换列索引级别
如果索引是按字典方式，从外到内排序，调用sortlevel(0)或者sort_index()
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ri-ji/72719.html