原文：
www.kdnuggets.com/how-to-use-multiindex-for-hierarchical-data-organization-in-pandas
图片由编辑提供 | Midjourney & Canva
让我们学习如何在 Pandas 中使用 MultiIndex 进行层次数据处理。
1. 谷歌网络安全证书 - 快速进入网络安全职业。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT 需求
我们需要确保安装了 Pandas 包。你可以使用以下代码进行安装：
pip install pandas然后，让我们学习如何在 Pandas 中处理 MultiIndex 数据。
Pandas 中的 MultiIndex 指的是在 DataFrame 或 Series 上进行多级索引。当我们在二维表格结构中处理更高维的数据时，这个过程很有帮助。通过 MultiIndex，我们可以用多个键来索引数据，并且更好地组织它们。让我们用一个数据集示例来更好地理解它们。
import pandas as pd
index = pd.MultiIndex.from_tuples(
[('A', 1), ('A', 2), ('B', 1), ('B', 2)],
names=['Category', 'Number']
)
df = pd.DataFrame({
'Value': [10, 20, 30, 40]
}, index=index)
print(df)输出：
Value
Category Number
A 1 10
2 20
B 1 30
2 40如你所见，上面的 DataFrame 有一个包含类别和编号的两级索引。
也可以使用 DataFrame 中现有的列来设置 MultiIndex。
data = {
'Category': ['A', 'A', 'B', 'B'],
'Number': [1, 2, 1, 2],
'Value': [10, 20, 30, 40]
}
df = pd.DataFrame(data)
df.set_index(['Category', 'Number'], inplace=True)
print(df)输出：
Value
Category Number
A 1 10
2 20
B 1 30
2 40即使采用不同的方法，我们也能得到类似的结果。这就是为什么我们可以在 DataFrame 中使用 MultiIndex。
如果你已经有了 MultiIndex DataFrame，可以使用以下代码交换级别。
print(df.swaplevel())输出：
Value
Number Category
1 A 10
2 A 20
1 B 30
2 B 40当然，我们可以使用以下代码将 MultiIndex 返回为列：
print(df.reset_index())输出：
Category Number Value
0 A 1 10
1 A 2 20
2 B 1 30
3 B 2 40那么，如何在 Pandas DataFrame 中访问 MultiIndex 数据呢？我们可以使用.loc方法。例如，我们访问 MultiIndex DataFrame 的第一级。
print(df.loc['A']) 输出：
Value
Number
1 10
2 20我们也可以使用元组访问数据值。
print(df.loc[('A', 1)])输出：
Value 10
Name: (A, 1), dtype: int64最后，我们可以使用.groupby方法对 MultiIndex 进行统计聚合。
print(df.groupby(level=['Category']).sum())输出：
Value
Category
A 30
B 70精通 Pandas 中的 MultiIndex 将帮助你深入了解层次数据。
Cornellius Yudha Wijaya 是一名数据科学助理经理和数据撰写者。在全职工作于 Allianz Indonesia 的同时，他喜欢通过社交媒体和写作媒体分享 Python 和数据技巧。Cornellius 涉猎多种 AI 和机器学习主题。