Pandas 从现有数据框中创建多层索引

在本文中，我们将深入讨论如何使用Pandas从现有的数据框中创建多层索引。Pandas提供了很多机制来处理包含多个层级的数据，这使得它成为数据分析和处理中最受欢迎的工具之一。

什么是多层索引

多层索引是一个数据结构，可以将一个数据框按照多个关键词进行组织并按照层级进行索引。在Pandas中，每个层级都是一个单独的索引，可以使用不同的标签描述每个层级。

下面是一个例子，展示了如何将一个数据框转化为具有多层索引的数据结构：

import pandas as pd

df = pd.DataFrame({'Year':[2017, 2018, 2019, 2020],
                   'Quarter':[1, 2, 3, 4],
                   'Revenue':[1000, 1500, 2000, 2500]})

df = df.set_index(['Year', 'Quarter'])

在这个例子中，我们创建了一个数据框，并在”Year”和”Quarter”列上设置了一个多层索引。我们可以使用以下代码来查看数据框的结构：

print(df)

输出：

              Revenue
Year Quarter         
2017 1           1000
2018 2           1500
2019 3           2000
2020 4           2500

在这个例子中，我们可以看到每个索引级别都有一个单独的标签，并且数据框按照这些标签进行组织。这使得数据框的数据结构更加清晰，有助于我们进行数据分析和处理。

如何从现有数据框创建多层索引

使用Pandas从现有数据框中创建多层索引非常简单。下面是一个简单的例子：

import pandas as pd

df = pd.DataFrame({'Year':[2017, 2018, 2019, 2020],
                   'Quarter':[1, 2, 3, 4],
                   'Revenue':[1000, 1500, 2000, 2500]})

df = df.set_index(['Year', 'Quarter'])

# 创建多层索引
df_multi = df.groupby(['Year', 'Quarter']).sum()

print(df_multi)

在这个例子中，我们首先创建了一个数据框，并在”Year”和”Quarter”列上设置了一个多层索引。然后，我们使用groupby()函数对数据框按照多层索引进行分组，并对每个组进行求和操作。最终，我们得到了一个具有多层索引的数据框。

这里还有一个例子，展示了如何使用Pandas从现有的数据框中创建一个名为”Sales”的具有三个层级的多层索引：

import pandas as pd

df = pd.DataFrame({'Year':[2017, 2017, 2018, 2018],
                   'Month':['January', 'February', 'January', 'February'],
                   'Sales':[100, 200, 300, 400]})

df = df.set_index(['Year', 'Month'])

# 创建三层索引
df_multi = df.groupby(['Year', 'Month', df.index.get_level_values('Month')]).sum()

df_multi.index.names = ['Year', 'Month', 'Week']

print(df_multi)

在这个例子中，我们首先创建了一个数据框，并在”Year”和”Month”列上设置了一个多层索引。然后，我们使用groupby()函数对数据框按照多层索引进行分组，并对每个组进行求和操作。最后，我们为最后一个层级添加了一个新的标签，并将其命名为”Week”。