Python学习教程：实战-用Pandas做多层级索引，,有的伙伴想学用Pan

Python学习教程：实战-用Pandas做多层级索引，,有的伙伴想学用Pan

有的伙伴想学用Pandas做多层级索引，但不知道从何学起，难度肯定会有的，还是得掌握方法的！

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

伙伴们那些地方不清楚的可以留言哦！

Python学习教程：实战-用Pandas做多层级索引