Pandas图鉴(四)：MultiIndex

文章摘要

Pandas 是 Python 数据分析的工业标准，基于 NumPy 库构建，提供了丰富的数据处理功能，使得它成为处理和分析大规模异质数据的强大工具。Pandas 引入了两个关键特性： 异质类型和 索引，使其在数据分析方面超越了 Excel 和数据库。

Polars 作为 Pandas 的现代替代品，其用 Rust 编写，提供了更快的性能。虽然 Polars 不使用 NumPy 引擎，但保持了与 Pandas 类似的语法，便于用户迁移和学习。

本系列文章分为四部分，分别是：

• Part 1: Pandas vs Numpy
• Part 2: Series 和 Index
• Part 3: DataFrames
• Part 4: MultiIndex

Part 4. MultiIndex 是对 Pandas 的深入剖析，解释了 MultiIndex 如何通过额外的索引列来唯一标识每一行，类似于复合主键。MultiIndex 可以在读取 CSV 时指定或在之后添加。它在处理包含多个维度的 "Panel data"，例如社会学调查结果和历史气象观测数据时尤其有用。

MultiIndex 不是分组，它内部是扁平的标签序列。可以进行排序以达到分组效果，也可以通过设置 Pandas 选项来关闭可视化分组。类型转换在 Pandas 中很重要，尤其是在 MultiIndex 的 levels 和 codes 未自动识别时，它们加快了操作如透视和连接等。

创建 MultiIndex 可以通过多种方法，包括从数组、元组或产品创建。访问 MultiIndex 数据可以通过多种索引方法，但都有一定的限制和规则。Pandas 提供了 .query 方法，它虽然方便快速，但在 IDE 支持方面存在缺陷。

Stacking 和 unstacking 是 Pandas 中的重要操作，允许索引层次之间的转换。这些方法的行为与 NumPy 的 stack 不同，且经常会导致索引的自动排序，这可能不总是符合用户的期望。