Pandas pandas, 如何访问多级索引的数据框

在本文中，我们将讨论在 Pandas 中如何访问多级索引的数据框。Pandas 是 Python 中强大的数据分析库，能够对表格数据进行灵活高效的操作和分析。其中，多级索引是一种常用的数据结构，能够方便地存储并处理多维度的数据。

阅读更多：Pandas 教程

多级索引数据结构

首先，让我们来看一下多级索引的数据结构。多级索引可以理解为在一个数据框（DataFrame）中的多个列上设置索引，这样就能够在不同的方向上进行多层次的划分。例如，下面是一个简单的两层索引数据框：

import pandas as pd

data = {'class': ['A', 'A', 'B', 'B', 'B'],
        'name': ['Tom', 'Jerry', 'Jack', 'Rose', 'David'],
        'grade': [97, 83, 92, 88, 90]}
df = pd.DataFrame(data)
multi_df = df.set_index(['class', 'name'])
print(multi_df)

输出结果如下：

             grade
class name       
A     Tom       97
      Jerry     83
B     Jack      92
      Rose      88
      David     90

可以看到，数据框中的索引已经由 class 和 name 两列组成，可以方便地进行按照班级和姓名的多层次分析。在数据框中，可以通过 .index 属性来访问当前使用的索引，例如：

print(multi_df.index)

输出结果如下：

MultiIndex([('A',   'Tom'),
            ('A', 'Jerry'),
            ('B',  'Jack'),
            ('B',  'Rose'),
            ('B', 'David')],
           names=['class', 'name'])

这样，我们就可以利用多级索引方便地进行数据的查询、筛选和汇总操作。

多级索引数据的访问

在多级索引的数据框中，访问数据的方式与普通的一维索引有所不同，需要使用 .loc 或 .iloc 方法。例如，要访问某一班级某一个学生的成绩，可以使用如下的方式：

print(multi_df.loc[('A', 'Tom'), 'grade'])

输出结果为：

97

这里需要注意的是，由于 class 和 name 等多个列上都有索引，因此在访问时需要将这些索引一并作为访问参数。另外，由于 .loc 方法使用了显式的列名来访问数据，因此也需要写明访问的列名 grade。

如果要访问某一班级或某一学生的所有成绩，可以使用 .loc 方法的部分访问功能：

print(multi_df.loc['A'])

输出结果为：

      grade
name       
Tom     97
Jerry   83

这里只传递了第一维索引 class 上的值，因此输出的数据也只包含了班级为 A 的同学的成绩情况。

类似地，也可以使用 .iloc 方法来访问多级索引数据框中的数据。这里的访问方式需要在 .iloc 方法中使用行列的整数索引。例如，要访问第一行第一列的数据，可以使用如下方式：

print(multi_df.iloc[0, 0])

输出结果为：

97

利用 .iloc 方法也可以进行数据的部分访问：

print(multi_df.iloc[:2])

输出结果为：

             grade
class name       
A     Tom       97
      Jerry     83

这里的输出结果与使用 .loc 方法时相同，只不过在 .iloc 方法中使用了整数索引来进行访问。

多级索引数据的筛选

在多级索引数据框中，使用 .loc 方法可以方便地进行数据的筛选操作。例如，假设我们要筛选出班级为 B 的学生，可以使用如下的方式：

print(multi_df.loc['B'])

输出结果如下：

      grade
name       
Jack     92
Rose     88
David    90

这里不指定第二个参数，则 .loc 方法会默认访问所有的列，因此输出了班级为 B 的所有同学的所有成绩情况。

如果要进一步筛选，可以在 .loc 方法中传递一个布尔值数组作为选择条件。例如，要筛选出成绩在 90 分以上的学生，可以使用如下的方式：

print(multi_df.loc[multi_df['grade'] > 90])

输出结果如下：

            grade
class name      
A     Tom      97
B     Jack     92
B     David    90

这里使用了布尔值数组作为筛选条件，在多级索引数据框中同样适用。

多级索引数据的汇总

在多级索引数据框中，也可以方便地进行数据的汇总操作。此时可以使用 .groupby 方法来分组，并使用汇总函数对数据进行汇总。例如，要对不同班级的同学的成绩进行统计，可以使用如下的方式：

print(multi_df.groupby('class').mean())

输出结果如下：

          grade
class          
A          90.0
B          90.0

这里使用了 .groupby 方法将数据按照班级进行分组，然后使用 .mean() 方法求出了每个班级的平均成绩。

除了可以对整个数据框进行汇总之外，也可以对每个索引层进行汇总操作。例如，要按照班级进行成绩的统计，可以使用如下的方式：

print(multi_df.groupby('class')['grade'].mean())

输出结果如下：

class
A    90.0
B    90.0
Name: grade, dtype: float64

这里使用了 .groupby 方法对 class 索引进行分组，并只对 grade 列进行平均值汇总，因此输出结果只包含了成绩平均值的一列。

总结

在本文中，我们介绍了在 Pandas 中如何访问多级索引的数据框，包括多级索引数据结构、多级索引数据的访问、筛选和汇总操作。多级索引数据结构是一种方便存储和操作多维度数据的结构，可以使用 .loc 和 .iloc 方法进行精确访问，也可以使用 .groupby 方法进行汇总操作。熟练掌握多级索引数据框的使用可以方便地进行数据处理和分析，是数据分析工作中的重要工具之一。