如何解开多索引熊猫 - Python

在Python Pandas中，可以使用多索引来处理具有多维度数据的数据集，但对于初学者来说，多索引可能会带来一定的困惑。在本文中，我们将介绍如何解开多索引。

什么是多索引

多索引是指在Pandas数据框中使用多个参数来实现多重索引。在多索引下，数据可以按多个维度进行排序和检索。例如，一个销售数据集中可能包含以下列：日期、地区、产品类型和销售额。在这种情况下，可以使用多索引来同时按日期、地区和产品类型排序和检索数据。

创建多索引

创建多索引是比较简单的。可以通过在创建数据框时指定多个列名，然后使用set_index()函数来创建。例如，下面的代码创建了一个多索引数据框。

import pandas as pd

data = {'year': ['2019', '2019', '2019', '2020', '2020', '2020'],
        'month': ['Jan', 'Feb', 'Mar', 'Jan', 'Feb', 'Mar'],
        'sales': [100, 200, 300, 400, 500, 600]}
df = pd.DataFrame(data)
df = df.set_index(['year', 'month'])
print(df)

输出结果：

           sales
year month       
2019 Jan     100
     Feb     200
     Mar     300
2020 Jan     400
     Feb     500
     Mar     600

访问多索引

在访问多索引时，可以使用.loc[]函数。.loc[]函数允许按多个索引值进行检索。例如，在上面的数据集中，要检索2020年2月的销售额，可以使用以下代码。

print(df.loc[('2020', 'Feb')])

输出结果：

sales    500
Name: (2020, Feb), dtype: int64

重置索引

重置索引是指将多索引转换为单索引。可以使用reset_index()函数来实现。在重置索引之前，可以使用.reset_index()函数将多级索引的某个级别转换为列。例如，下面的代码演示了如何将'month'列转换为数据框中的一列，并将多索引转换为单索引。

df = df.reset_index(level=1)
print(df)

输出结果：

     month  sales
year             
2019   Jan    100
2019   Feb    200
2019   Mar    300
2020   Jan    400
2020   Feb    500
2020   Mar    600

总结

在本文中，我们简要介绍了多索引的概念，并展示了如何创建和访问多索引数据集。我们还演示了如何将多索引转换为单索引。对于想要使用Pandas来处理大型、复杂数据集的数据科学家和分析师来说，熟练掌握多索引技术是必不可少的。