大家好，在數(shù)據(jù)分析中，處理復(fù)雜的多維數(shù)據(jù)是常見(jiàn)的需求。Python的Pandas庫(kù)提供了強(qiáng)大的多重索引（MultiIndex）功能，能夠靈活地管理和分析多層級(jí)的數(shù)據(jù)結(jié)構(gòu)。本文將介紹Pandas中的多重索引，探討如何創(chuàng)建、操作和重設(shè)多重索引，并通過(guò)具體的示例代碼展示其在實(shí)際應(yīng)用中的強(qiáng)大功能。

1.多重索引概述

多重索引是一種層次化的索引方式，它允許在DataFrame或Series中使用多個(gè)級(jí)別的索引。通過(guò)多重索引，我們可以更清晰地表達(dá)數(shù)據(jù)的層級(jí)關(guān)系，使得處理復(fù)雜數(shù)據(jù)集變得更加直觀和高效。

可以通過(guò)多列數(shù)據(jù)創(chuàng)建多重索引，從而將DataFrame組織成具有層次結(jié)構(gòu)的形式。

import pandas as pd

# 創(chuàng)建一個(gè)包含多個(gè)級(jí)別的DataFrame
data = {'城市': ['北京', '北京', '上海', '上海', '廣州', '廣州'],
        '年份': [2020, 2021, 2020, 2021, 2020, 2021],
        '人口': [2154, 2160, 2424, 2430, 1530, 1540],
        'GDP': [36102, 37200, 38155, 39400, 25000, 26000]}

df = pd.DataFrame(data)

# 設(shè)置多重索引
df.set_index(['城市', '年份'], inplace=True)

print(df)

運(yùn)行以上代碼，輸出結(jié)果：

         人口    GDP
城市  年份              
北京  2020  2154  36102
    2021  2160  37200
上海  2020  2424  38155
    2021  2430  39400
廣州  2020  1530  25000
    2021  1540  26000

在這個(gè)示例中，通過(guò) set_index() 函數(shù)將 城市 和 年份 兩列設(shè)置為多重索引，生成了一個(gè)具有層次結(jié)構(gòu)的DataFrame。

2.多重索引的基本操作

一旦我們創(chuàng)建了多重索引，Pandas提供了多種方法來(lái)操作和查詢這些數(shù)據(jù)，包括選擇、切片、交換層級(jí)、重設(shè)索引等。

2.1 選擇和切片多重索引

多重索引使得我們可以輕松地選擇或切片數(shù)據(jù)。例如，可以選擇某個(gè)城市的數(shù)據(jù)，或者選擇特定年份的數(shù)據(jù)。

import pandas as pd

# 創(chuàng)建一個(gè)包含多個(gè)級(jí)別的DataFrame
data = {'城市': ['北京', '北京', '上海', '上海', '廣州', '廣州'],
        '年份': [2020, 2021, 2020, 2021, 2020, 2021],
        '人口': [2154, 2160, 2424, 2430, 1530, 1540],
        'GDP': [36102, 37200, 38155, 39400, 25000, 26000]}

df = pd.DataFrame(data)
df.set_index(['城市', '年份'], inplace=True)

# 選擇特定城市的數(shù)據(jù)
beijing_data = df.loc['北京']
print("北京的數(shù)據(jù)：\n", beijing_data)

# 選擇特定年份的數(shù)據(jù)
data_2021 = df.xs(2021, level='年份')
print("2021年的數(shù)據(jù)：\n", data_2021)

運(yùn)行以上代碼，輸出結(jié)果：

北京的數(shù)據(jù)：
       人口    GDP
年份              
2020  2154  36102
2021  2160  37200

2021年的數(shù)據(jù)：
        人口    GDP
城市              
北京  2160  37200
上海  2430  39400
廣州  1540  26000

在這個(gè)示例中，使用 loc[] 選擇了北京的數(shù)據(jù)，并使用 xs() 方法按年份選擇了2021年的數(shù)據(jù)。

2.2 交換層級(jí)與重設(shè)索引

多重索引可以交換不同級(jí)別的索引位置，并可以將多重索引重設(shè)為普通索引。

import pandas as pd

# 創(chuàng)建一個(gè)包含多個(gè)級(jí)別的DataFrame
data = {'城市': ['北京', '北京', '上海', '上海', '廣州', '廣州'],
        '年份': [2020, 2021, 2020, 2021, 2020, 2021],
        '人口': [2154, 2160, 2424, 2430, 1530, 1540],
        'GDP': [36102, 37200, 38155, 39400, 25000, 26000]}

df = pd.DataFrame(data)
df.set_index(['城市', '年份'], inplace=True)

# 交換索引的層級(jí)
swapped_df = df.swaplevel()
print("交換層級(jí)后的DataFrame：\n", swapped_df)

# 重設(shè)索引
reset_df = df.reset_index()
print("重設(shè)索引后的DataFrame：\n", reset_df)

運(yùn)行以上代碼，輸出結(jié)果：

交換層級(jí)后的DataFrame：
         人口    GDP
年份  城市              
2020  北京  2154  36102
2021  北京  2160  37200
2020  上海  2424  38155
2021  上海  2430  39400
2020  廣州  1530  25000
2021  廣州  1540  26000

重設(shè)索引后的DataFrame：
   城市   年份   人口    GDP
0  北京  2020  2154  36102
1  北京  2021  2160  37200
2  上海  2020  2424  38155
3  上海  2021  2430  39400
4  廣州  2020  1530  25000
5  廣州  2021  1540  26000

在這個(gè)示例中，使用 swaplevel() 交換了 城市 和 年份 索引的層級(jí)，使用 reset_index() 將多重索引還原為普通索引。

3.多重索引的高級(jí)操作

除了基本的選擇和操作外，Pandas的多重索引還支持更高級(jí)的操作，如分組聚合、多索引切片、索引排序等，這些功能可以更靈活地處理復(fù)雜的數(shù)據(jù)集。

3.1 多重索引的分組聚合

可以在多重索引的基礎(chǔ)上進(jìn)行分組操作，并應(yīng)用聚合函數(shù)，如計(jì)算總和、平均值等。

import pandas as pd

# 創(chuàng)建一個(gè)包含多個(gè)級(jí)別的DataFrame
data = {'城市': ['北京', '北京', '上海', '上海', '廣州', '廣州'],
        '年份': [2020, 2021, 2020, 2021, 2020, 2021],
        '人口': [2154, 2160, 2424, 2430, 1530, 1540],
        'GDP': [36102, 37200, 38155, 39400, 25000, 26000]}

df = pd.DataFrame(data)
df.set_index(['城市', '年份'], inplace=True)

# 按城市分組，計(jì)算GDP的總和
grouped_gdp = df.groupby('城市')['GDP'].sum()
print("按城市分組的GDP總和：\n", grouped_gdp)

運(yùn)行以上代碼，輸出結(jié)果：

按城市分組的GDP總和：
城市
北京    73302
上海    77555
廣州    51000
Name: GDP, dtype: int64

在這個(gè)示例中，對(duì)多重索引進(jìn)行了按城市分組，并計(jì)算了每個(gè)城市在不同年份的GDP總和。

3.2 多索引切片操作

Pandas可以使用 slice 對(duì)多重索引進(jìn)行切片操作，這在處理多維數(shù)據(jù)時(shí)非常有用。

import pandas as pd
import numpy as np

# 創(chuàng)建一個(gè)包含多個(gè)級(jí)別的DataFrame
arrays = [
    ['北京', '北京', '北京', '上海', '上海', '廣州', '廣州'],
    [2020, 2021, 2022, 2020, 2021, 2020, 2021]
]
index = pd.MultiIndex.from_arrays(arrays, names=('城市', '年份'))
data = np.random.randn(7, 2)
df = pd.DataFrame(data, index=index, columns=['指標(biāo)1', '指標(biāo)2'])

# 對(duì)多重索引進(jìn)行切片
sliced_df = df.loc[pd.IndexSlice[:, 2021], :]
print("切片后的DataFrame：\n", sliced_df)

運(yùn)行以上代碼，輸出結(jié)果：

切片后的DataFrame：
          指標(biāo)1      指標(biāo)2
城市  年份                   
北京  2021  0.558769  0.722681
上海  2021  0.392982  0.888569
廣州  2021 -0.668413 -0.907221

在這個(gè)示例中，使用 pd.IndexSlice 對(duì)多重索引進(jìn)行了切片操作，選取了所有城市在2021年的數(shù)據(jù)。這種切片操作可以非常方便地從多層級(jí)數(shù)據(jù)中提取出感興趣的部分。

3.3 多重索引的排序

多重索引還可以進(jìn)行排序操作，這在需要按特定順序查看數(shù)據(jù)時(shí)非常有用。

import pandas as pd
import numpy as np

# 創(chuàng)建一個(gè)包含多個(gè)級(jí)別的DataFrame
arrays = [
    ['北京', '北京', '上海', '上海', '廣州', '廣州'],
    [2021, 2020, 2021, 2020, 2021, 2020]
]
index = pd.MultiIndex.from_arrays(arrays, names=('城市', '年份'))
data = np.random.randn(6, 2)
df = pd.DataFrame(data, index=index, columns=['指標(biāo)1', '指標(biāo)2'])

# 對(duì)多重索引進(jìn)行排序
sorted_df = df.sort_index(level=['城市', '年份'], ascending=[True, False])
print("排序后的DataFrame：\n", sorted_df)

運(yùn)行以上代碼，輸出結(jié)果：

排序后的DataFrame：
          指標(biāo)1      指標(biāo)2
城市  年份                   
北京  2021  1.013978  0.731106
    2020 -0.856558  0.696849
上海  2021 -0.585347  0.494768
    2020  0.129116 -0.477598
廣州  2021 -0.542223  1.212357
    2020  0.221365 -0.055147

在這個(gè)示例中，對(duì)多重索引進(jìn)行了排序，按城市名稱升序排列，同時(shí)按年份降序排列。這種排序操作可以以一種更符合分析需求的順序來(lái)查看數(shù)據(jù)。

4.多重索引的實(shí)際應(yīng)用場(chǎng)景

多重索引在許多實(shí)際應(yīng)用中非常有用，特別是在處理時(shí)間序列數(shù)據(jù)、面板數(shù)據(jù)和多維數(shù)據(jù)集時(shí)。

在時(shí)間序列分析中，經(jīng)常需要將日期和其他類別變量（如產(chǎn)品、地區(qū)）結(jié)合使用進(jìn)行分析。多重索引可以管理和分析這些數(shù)據(jù)。

import pandas as pd
import numpy as np

# 創(chuàng)建時(shí)間序列數(shù)據(jù)
dates = pd.date_range('2023-01-01', periods=6)
products = ['產(chǎn)品A', '產(chǎn)品B']
index = pd.MultiIndex.from_product([dates, products], names=['日期', '產(chǎn)品'])
data = np.random.randn(12, 2)
df = pd.DataFrame(data, index=index, columns=['銷售額', '利潤(rùn)'])

print("時(shí)間序列數(shù)據(jù)的DataFrame：\n", df)

# 按產(chǎn)品分組計(jì)算總銷售額
total_sales = df.groupby('產(chǎn)品')['銷售額'].sum()
print("\n按產(chǎn)品分組的總銷售額：\n", total_sales)

運(yùn)行以上代碼，輸出結(jié)果：

時(shí)間序列數(shù)據(jù)的DataFrame：
                   銷售額        利潤(rùn)
日期          產(chǎn)品                    
2023-01-01 產(chǎn)品A -0.856051  0.166173
           產(chǎn)品B  0.934522  0.570209
2023-01-02 產(chǎn)品A -0.205493  1.195617
           產(chǎn)品B -1.286157  0.122996
2023-01-03 產(chǎn)品A -1.618019  0.593061
           產(chǎn)品B  0.246715 -0.654644
2023-01-04 產(chǎn)品A  0.158859 -1.404354
           產(chǎn)品B -0.255284  1.383135
2023-01-05 產(chǎn)品A  0.408226  0.799745
           產(chǎn)品B  0.411282  0.339705
2023-01-06 產(chǎn)品A -1.023615 -0.616391
           產(chǎn)品B -1.564080  1.062635

按產(chǎn)品分組的總銷售額：
產(chǎn)品
產(chǎn)品A   -3.136093
產(chǎn)品B   -1.513002
Name: 銷售額, dtype: float64

在這個(gè)示例中，使用多重索引將日期和產(chǎn)品組合在一起，并通過(guò)分組計(jì)算每種產(chǎn)品的總銷售額。

在數(shù)據(jù)分析中，Python Pandas的多重索引功能提供了強(qiáng)大的工具來(lái)處理復(fù)雜的多維數(shù)據(jù)。通過(guò)多重索引，用戶可以將數(shù)據(jù)框分層管理，使得數(shù)據(jù)的選擇、切片、分組和聚合操作更加直觀和高效。多重索引不僅可以在處理時(shí)間序列、面板數(shù)據(jù)和其他多層次數(shù)據(jù)時(shí)更加靈活，還能提升數(shù)據(jù)分析的精度和效率。掌握Pandas的多重索引操作，能夠在面對(duì)復(fù)雜數(shù)據(jù)結(jié)構(gòu)時(shí)更加從容自如。

到此這篇關(guān)于Pandas中多重索引技巧的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Pandas 多重索引內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論