data=Series(np.random.randn(10),index=[list('aaabbbccdd'),list('1231231223')])
data

a  1    0.198134
   2    0.657700
   3   -0.984464
b  1    0.105481
   2   -1.587769
   3    0.329646
c  1   -0.172460
   2   -1.234518
d  2   -1.200264
   3   -0.239958
dtype: float64


data.index
MultiIndex(levels=[['a', 'b', 'c', 'd'], ['1', '2', '3']]
 
,
           labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])

取層次化索引:

data['b':'c']
b  1    0.105481
   2   -1.587769
   3    0.329646
c  1   -0.172460
   2   -1.234518
dtype: float64

data.ix[['b','c']]

b  1    0.105481
   2   -1.587769
   3    0.329646
c  1   -0.172460
   2   -1.234518
dtype: float64
 

取內層索引:

data[:, '2']

a    0.657700
b   -1.587769
c   -1.234518
d   -1.200264
dtype: float64

unstack: 將Series放到DataFrame中

data.unstack()
    1   2   3
a   0.198134    0.657700    -0.984464
b   0.105481    -1.587769   0.329646
c   -0.172460   -1.234518   NaN
d   NaN -1.200264   -0.239958

data.unstack().stack() 進行還原

data.unstack().stack()

對於DataFrame，每個軸上都可以有分層索引

frame=DataFrame(np.arange(12).reshape(4,3),
                index=[list('aabb'),list('1212')],
                columns=[['ohio','ohio','colorado'],['Green','Red','Green']])
frame

還可以命名：

frame.index.names=['key1','key2']
frame.columns.names=['state','color']
frame

因為有了列索引，所以可以直接取列分組

frame['ohio']

根據級別彙總統計

frame.index
MultiIndex(levels=[['a', 'b'], ['1', '2']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
           names=['key1', 'key2'])

levels用於在指定在某條軸上進行求和的級別.

frame.sum(level='key2')

frame.sum(level='color',axis=1)

將列轉換為行索引

DataFrame的set_index函式會將一個或者多個列轉換為行索引,並建立一個新的DataFrame

reset_index的功能跟set_index剛好相反，層次化索引的級別揮別轉移到列裡面