Pandas：将元组转换为Pandas Dataframe中的多个索引

在本文中，我们将介绍如何使用 Pandas 将元组转换为多个索引，并在 Dataframe 中使用它们进行数据操作。Pandas 是一个用于数据处理和分析的 Python 库，提供了强大的数据结构和数据操作工具。

创建一个带有元组索引的Dataframe

首先，我们来创建一个带有元组索引的 Dataframe：

import pandas as pd 

data = {'product': ['Product A', 'Product A', 'Product B', 'Product B'],
        'marketplace': ['US', 'CA', 'US', 'CA'],
        'year_week': [('2019-01'), ('2019-02'), ('2019-01'), ('2019-02')],
        'revenue': [100, 200, 150, 250]}

df = pd.DataFrame(data)
df = df.set_index(['product', 'marketplace', 'year_week'])

在上述代码中，我们创建了一个包含 product、marketplace、year_week 和 revenue 四个列的 Dataframe，并将前三列合并为一个元组索引。现在，让我们来了解如何使用这个索引。

通过元组索引选择数据

我们可以使用 Pandas Dataframe 的 loc 和 iloc 属性来选择元组索引的 Dataframe。loc 的作用是对索引标签进行操作，而 iloc 则是对索引序号进行操作。下面是几个例子：

# 选择所有产品(Product A, Product B)在美国的销售额数据
print(df.loc[(['Product A', 'Product B'], ['US'], ['2019-01', '2019-02']), ['revenue']])

# 选择所有产品在加拿大的销售额数据
print(df.loc[(slice(None), ['CA'], slice(None)), ['revenue']])

# 选择所有产品在2019-02周的销售额数据
print(df.loc[(slice(None), slice(None), ['2019-02']), ['revenue']])

# 访问Dataframe中的元素
print(df.loc[('Product A', 'US', '2019-01'), 'revenue'])

打印结果如下：

                                  revenue
product    marketplace year_week         
Product A US           2019-01        100
                       2019-02        200
Product B US           2019-01        150
                       2019-02        NaN

                                  revenue
product    marketplace year_week         
Product A CA           2019-02        200
Product B CA           2019-02        250

                                  revenue
product    marketplace year_week         
Product A CA           2019-02        NaN
         US           2019-02        200
Product B CA           2019-02        250
         US           2019-02        NaN

100

将元组转换为多个索引

有时候，我们需要将元组索引拆分为多个索引，例如将 year_week 拆分为 year 和 week 两个索引。这时候，可以使用 Pandas Dataframe 的 MultiIndex.from_tuples 方法来实现：

# 将 year_week 拆分为 year 和 week 索引
df.index = pd.MultiIndex.from_tuples(df.index.tolist(), names=['product', 'marketplace', 'year_week'])
df['year'] = df.index.get_level_values('year_week').str[0:4]
df['week'] = df.index.get_level_values('year_week').str[5:7]

# 删除原有 year_week 索引
df = df.reset_index(level=['year_week'])
df = df.set_index(['product', 'marketplace', 'year', 'week'])

在上述代码中，我们首先使用 from_tuples 方法将元组索引转换为 Pandas Dataframe 的 MultiIndex 索引，并将其命名为 product、marketplace、year_week 三个层级。接着，通过操作 year_week 索引，我们将其拆分为 year 和 week 两个索引，并赋值给新列 year 和 week。最后，我们删除原有的 year_week 索引，并以 product、marketplace、year、week 四个索引重新设置 Dataframe 的索引。

接下来，我们可以使用新的索引来选择数据，例如选择所有产品在2019年的销售额数据：

# 选择所有产品在2019年的销售额数据
print(df.loc[(slice(None), slice(None), '2019', slice(None)), ['revenue']])

打印结果如下：

                                           revenue
product    marketplace year week                
Product A CA           2019 02             NaN
                            01             100.0
            US           2019 02             200.0
                            01             NaN
Product B CA           2019 02             250.0
                            01             NaN
            US           2019 02             NaN
                            01             150.0

可以看到，使用多个索引后，我们可以灵活地选择和操作数据。