Pandas 在pandas MultiIndex中添加级别

在本文中，我们将介绍如何在Pandas MultiIndex中添加级别。Pandas MultiIndex是一种多级别索引，可以让用户在一个DataFrame或Series中方便地处理不同层次的数据。但是，有时候我们需要在一个多级别索引中添加级别，以便更好地组织数据。下面是一些添加MultiIndex级别的方法。

阅读更多：Pandas 教程

方法一：使用MultiIndex.from_product添加级别

我们可以使用MultiIndex.from_product方法向MultiIndex添加级别。MultiIndex.from_product方法接受一个可迭代对象的列表，每个可迭代对象代表一个新级别。例如，我们有以下数据：

import pandas as pd

data = {'year': [2015, 2016, 2015, 2016],
        'quarter': ['Q1', 'Q1', 'Q2', 'Q2'],
        'revenue': [100, 200, 150, 250]}
df = pd.DataFrame(data)

我们可以使用以下代码将year添加到MultiIndex：

df.set_index(['year', 'quarter'], inplace=True)
df = df.reorder_levels(['year', 'quarter'])
df

输出结果为：

              revenue
year quarter         
2015 Q1           100
2016 Q1           200
2015 Q2           150
2016 Q2           250

这是一个两级别的MultiIndex，我们可以使用MultiIndex.from_product方法添加第三个级别。例如，我们要添加month级别：

import itertools

months = ['Jan', 'Feb', 'Mar']
df.index = pd.MultiIndex.from_product([df.index.levels[0], df.index.levels[1], months])
df

输出结果为：

                 revenue
2015 Q1 Jan          NaN
       Feb          NaN
       Mar          NaN
     Q2 Jan          NaN
       Feb          NaN
       Mar          NaN
2016 Q1 Jan          NaN
       Feb          NaN
       Mar          NaN
     Q2 Jan          NaN
       Feb          NaN
       Mar          NaN

由于没有提供数据，所以revenue列的值是NaN。但是，可以看到我们已经成功地向MultiIndex添加了一个新级别。

方法二：使用MultiIndex.from_arrays添加级别

除了使用MultiIndex.from_product方法，还可以使用MultiIndex.from_arrays方法向MultiIndex添加级别。MultiIndex.from_arrays方法也接受一个可迭代对象的列表以及一个名称参数。使用MultiIndex.from_arrays方法的代码如下：

new_level = pd.MultiIndex.from_arrays([['A'] * 5 + ['B'] * 5, df.index.get_level_values(0), df.index.get_level_values(1)], names=['Flag', 'Year', 'Quarter'])
df.index = new_level
df

输出结果为：

                revenue
Flag Year Quarter        
A    2015 Q1         100
         Q1         150
     2016 Q2         200
         Q2         250
B    2015 Q1         NaN
         Q1         NaN
     2016 Q2         NaN
         Q2         NaN

MultiIndex.from_arrays方法与MultiIndex.from_product方法不同之处在于，它接受的可迭代对象的长度必须与当前MultiIndex的长度相同。在我们的例子中，我们创建了一个长度为5的新级别。如果想在一个MultiIndex中添加多个级别，可以在这个方法中添加更多的可迭代对象。

方法三：使用pd.concat添加级别

还可以使用pd.concat方法向MultiIndex添加级别。使用pd.concat方法的代码如下：

new_level = pd.concat([df] * 2, keys=['A', 'B'])
new_level.index.names = ['Flag', 'Year', 'Quarter']
df.index = new_level.index
df

输出结果为：

                    revenue
Flag Year Quarter        
A    2015 Q1         100
         Q1         150
     2016 Q2         200
         Q2         250
B    2015 Q1         100
         Q1         150
     2016 Q2         NaN
         Q2         NaN

这里我们使用了pd.concat方法将df复制一份并在其前面添加‘A’或‘B’作为新的级别。然后我们再将这个新的MultiIndex赋值给原来的df。

总结

在本文中，我们介绍了三种方法向Pandas MultiIndex添加级别。使用MultiIndex.from_product方法是最简单的方法，它可以接受一个或多个可迭代对象作为参数。使用MultiIndex.from_arrays方法需要手动构建一个与MultiIndex长度相同的可迭代对象列表。使用pd.concat方法可以将一个DataFrame与一个Series合并到一个MultiIndex中。无论哪种方法，都可以帮助我们在Pandas MultiIndex中更方便地组织数据。