作者：俊欣

來源：關于數據分析與可視化

今天我們來聊一下Pandas當中的數據集中帶有多重索引的數據分析實戰

通常我們接觸比較多的是單層索引（左圖），而多級索引也就意味著數據集當中的行索引有多個層級（右圖），具體的如下圖所示

AUTUMN

導入數據

我們先導入數據與pandas模塊。

import pandas as pd ## 導入數據集 df = pd.read_csv('dataset.csv')
df.head()

output

該數據集描述的是英國部分城市在2019年7月1日至7月4日期間的全天天氣狀況，我們先來看一下當前的數據集的行索引有哪些？代碼如下

df.index.names 

output

FrozenList(['City', 'Date'])

數據集當中City、Date，這里的City我們可以當作是第一層級索引，而Date則是第二層級索引。

我們也可以通過調用sort_index()方法來按照數據集的行索引來進行排序，代碼如下

df_1 = df.sort_index()
df_1

output

要是我們想將這個多層索引去除掉，就調用reset_index()方法，代碼如下

df.reset_index()

下面我們就開始針對多層索引來對數據集進行一些分析的實戰吧

第一層級的數據篩選

在pandas當中數據篩選的方法，一般我們是調用loc以及iloc方法，同樣地，在多層級索引的數據集當中數據的篩選也是調用該兩種方法，例如篩選出倫敦白天的天氣狀況如何，代碼如下

df_1.loc['London' , 'Day'] 

output

要是我們想針對所有的行，就可以這么來做

df_1.loc[:, 'Day'] 

output

同理針對所有的列，就可以這么來做

df_1.loc['London' , :] 

output

多層級索引的數據篩選

要是我們想看倫敦2019年7月1日白天的天氣狀況，就可以這么來做

df.loc['London', 'Day'].loc['2019-07-01'] 

output

Weather Shower Wind SW 16 mph Max Temperature 28 Name: 2019-07-01, dtype: object 

這里我們進行了兩次數據篩選的操作，先是df.loc['London', 'Day']，然后再此的基礎之上再進行loc['2019-07-01']操作，當然還有更加方便的步驟，代碼如下

df.loc[('London', '2019-07-01'), 'Day'] 

output

Weather Shower Wind SW 16 mph Max Temperature 28 Name: 2019-07-01, dtype: object 

除此之外我們要是想看一下倫敦2019年7月1日和7月2日兩天白天的天氣情況，就可以這么來做

df.loc[ 
    ('London' , ['2019-07-01','2019-07-02'] ) , 'Day' ]

output

在此基礎之上，我們想要看天氣和風速這兩列，我們也可以單獨摘出來，代碼如下

df.loc[ 'London' ,
    ('Day', ['Weather', 'Wind'])
]

output

按照范圍來篩選數據

對于第一層級的索引而言，我們同樣還是調用loc方法來實現

df.loc[ 'Cambridge':'Oxford', 'Day' ]

output

但是對于第二層級的索引，要是用同樣的方式來用就會報錯，

df.loc[
    ('London', '2019-07-01': '2019-07-03'), 'Day' ]

output

SyntaxError: invalid syntax (<ipython-input-22-176180497f92>, line 3) 

正確的寫法代碼如下

df.loc[
    ('London','2019-07-01'):('London','2019-07-03'), 'Day' ]

output

篩選出所有全部的內容

對于單層索引而言，我們通過:來篩選出所有的內容，但是在多層級的索引上面則并不適用，

# 出現語法錯誤 df.loc[ 
    ('London', :), 'Day' ] # 出現語法錯誤 df.loc[ 
    (: , '2019-07-04'), 'Day' ]

正確的做法如下所示

# 篩選出倫敦下面所有天數的白天天氣情況 df.loc[ 
    ('London', slice(None)), 'Day' ]

output

# 篩選出2019年7月4日下所有城市的白天天氣情況 df.loc[
    (slice(None) , '2019-07-04'), 'Day' ]

output

當然這里還有更加簡便的方法，我們通過調用pandas當中IndexSlice函數來實現，代碼如下

from pandas import IndexSlice as idx
df.loc[ 
    idx[: , '2019-07-04'], 'Day' ]

output

又或者是

rows = idx[: , '2019-07-01']
cols = idx['Day' , ['Max Temperature','Weather']]
df.loc[rows, cols]

output

xs()方法的調用

對于多層級索引的數據集而言，調用xs()方法能夠更加方便地進行數據的篩選，例如我們想要篩選出日期是2019年7月4日的所有數據，代碼如下

df.xs('2019-07-04', level='Date')

output

我們需要在level參數上指定是哪個標簽，例如我們想要篩選出倫敦2019年7月4日全天的天氣情況，代碼如下

df.xs(('London', '2019-07-04'), level=['City','Date'])

output

最后xs方法可以和上面提到的IndexSlice函數聯用，針對多層級的數據集來進行數據的篩選，例如我們想要篩選出2019年7月2日至7月4日，倫敦全天的天氣狀況，代碼如下

rows= (
    idx['2019-07-02':'2019-07-04'], 'London' )
df.xs(
    rows , 
    level = ['Date','City']
)

output