10分钟学会用Pandas做多层级索引
作者 | 梁云1991
来源 | Python与算法之美（ID：Python_Ai_Road）
【导语】Pandas库的名字来源于其中3种主要数据结构开头字母的缩写：Panel,Dataframe,Series。其中Series表示一维数据，Dataframe表示二维数据，Panel表示三维数据。当数据高于二维时，一般却不用 Panel 表示，为什么呢？如果不用 Panel，又该怎么做呢？
实际上，当数据高于二维时，我们一般用包含多层级索引的Dataframe进行表示，而不是使用Panel。原因是使用多层级索引展示数据更加直观，操作数据更加灵活，并且可以表示3维，4维乃至任意维度的数据。具体要怎么做呢？下面我们就从多层级索引的创建、取值与操作等内容教大家一些方法！
一、多层级索引的创建
1、指定多维列表作为columns
2、使用pd.MultiIndex中的方法显式生成多层级索引
可以使用pd.MultiIndex中的from_tuples等方法生成多层级索引。
3、使用set_index方法将普通列转成多层级索引
这种方法只能生成多层级行索引。
4、groupby和pivot_table等方法也可以生成带有多层级索引的结果
二、多层级索引的取值
多层级索引Series或多层级DataFrame支持方括号直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多层级Series的取值
2、多层级DataFrame的取值
三、多层级索引相关操作
多层级索引相关操作包括stack和unstack,set_index和reset_index，以及指定level的相关方法。
1、stack和unstack
2、set_index和reset_index
3、指定level的相关方法
（*本文为 Python大本营转载文章，转载请联系作者）
◆
精彩推荐
◆
“只讲技术，拒绝空谈！”2019 AI开发者大会将于9月6日-7日在北京举行，这一届AI开发者大会有哪些亮点？一线公司的大牛们都在关注什么？AI行业的风向是什么？2019 AI开发者大会，倾听大牛分享，聚焦技术实践，和万千开发者共成长。
目前，大会早鸟票抢购中~扫码购票，领先一步！
推荐阅读：