机器学习数据科学包（六）——Pandas基础索引：重复索引处理，层次化索引，索引交换排序，索引与列的转换

索引

• 行索引  .index()
• 列索引  .columns()
• 索引的分类   pd.*Index? +[tab键]
• 重复索引的处理 

.index.is_unique 判断是否唯一

.index.unique 返回全部不同的索引

.groupby(.index).sum()

重复索引

层次化索引

可以使数据在一个轴上有多个索引级别。即可以用二维的数据表达更高维度的数据，使数据组织方式更清晰。它使用 pd.MultiIndex 类来表示。

层次化索引有什么作用？

比如我们在分析股票数据，我们的一级行索引可以是日期；二级行索引可以是股票代码，列索引可以是股票的交易量，开盘价，收盘价等等。这样我们就可以把多个股票放在同一个时间维度下进行考察和分析。

Series 多层索引

pd.MultiIndex.from_tuples(tuples,names=['name','name'])   创建多级索引

.index.levels[0]   一级索引

.index.levels[1]   二级索引

DataFrame 多层索引

索引交换及排序​​​​​​​

.swaplevel('level1','level2')   交换索引顺序

.sortlevel(0)   根据一级索引排序

按照索引级别进行统计

.sum(level=0) 根据一级索引求和

索引与列的转换​​​​​​​

.set_index('列') 将列索引变成行索引

.reset_index() 将行索引变回列索引