Pandas DataFrame多级索引：将列转换为索引并调整层级

本教程详细讲解如何在pandas dataframe中将现有列提升为新的主索引，同时保留原索引作为次级索引，从而创建多级索引结构。我们将利用`set_index`方法的`append`参数来添加索引层级，并通过`swaplevel`函数调整索引顺序，以实现灵活的数据组织和访问。

在数据分析和处理中，Pandas DataFrame是不可或缺的工具。有时，为了更高效地组织和查询数据，我们需要将DataFrame中的某一列提升为索引，甚至创建多级索引（MultiIndex）。本教程将指导您如何将DataFrame中的一个普通列转换为主要索引，同时将原有的索引降级为次要索引，从而构建一个清晰、可操作的多级索引结构。

理解多级索引

多级索引（MultiIndex）允许您在DataFrame或Series上拥有多个索引层级。这在处理具有层次结构的数据时非常有用，例如按日期和地区、或按类别和子类别组织数据。它不仅提高了数据的可读性，还能在数据切片和聚合操作中提供强大的灵活性。

初始DataFrame结构

假设我们有一个Pandas DataFrame，其中包含时间戳作为其唯一索引，并有其他数据列，例如data、day_of_month和days_in_month。我们的目标是将days_in_month列提升为主要索引，而将timestamp索引降级为次要索引。

首先，我们创建一个示例DataFrame：

import pandas as pd

# 创建一个示例DataFrame
idx = pd.Index(['2022-01-03 09:00:00'], name='timestamp')
df = pd.DataFrame([[12, 3, 31]], index=idx, columns=['data', 'day_of_month', 'days_in_month'])

print("原始DataFrame:")
print(df)

登录后复制

输出结果如下：

原始DataFrame:
                     data  day_of_month  days_in_month
timestamp                                             
2022-01-03 09:00:00    12             3             31

登录后复制

可以看到，timestamp是当前的索引，days_in_month是一个普通的数据列。

将列转换为多级索引并调整层级

要实现将days_in_month列作为主索引，同时保留timestamp作为次级索引，我们需要结合使用set_index和swaplevel两个方法。

步骤一：添加新索引层级

使用set_index()方法，并设置append=True参数，可以将指定列作为新的索引层级添加到现有索引的末尾。

标签： app 工具 区别