數據分析之Pandas-02多層次化索引和拼接

01-Pandas層次化索引

創建多層索引

1.隱式構造
Series也可以創建多層索引

df = DataFrame(np.random.rand(4,2),
               index=[['a','a','b','b'],[1,2,1,2]],
              columns=['data1','data2'])
df

2.顯示構造（Multilndex）
- pd.MultiIndex.from_arrays
- pd.MultiIndex.from_tuples
- pd.MultiIndex.from_product

多層索引

除了行索引index，列索引columns也能用同樣的方法創建多層索引

多層索引對象的索引與切片操作

Series的操作：

【重要】對於Series來說，直接中括號[]與使用.loc()完全一樣，因此，推薦使用中括號索引和切片

DataFrame的操作：

1. 可以直接使用列名稱來進行列索引.
2. 使用行索引需要用ix()，loc()等函數
   【極其重要】推薦使用loc()函數.
3. 注意在對行索引的時候，若一級行索引還有多個，對二級行索引會遇到問題！也就是說，無法直接對二級索引進行索引，必須讓二級索引變成一級索引後才能對其進行索引！

索引的堆（unstack）

【小技巧】使用unstack()的時候，level等於哪一個，哪一個就消失，出現在列裏

聚合操作

【注意】
需要指定level
【小技巧】和unstack()相反，聚合的時候，level等於哪一個，哪一個就保留

02-Pandas拼接操作

級聯

使用pd.concat()級聯

簡單級聯：

df1 = make_df('AB',[1,2])
df2 = make_df('AB',[3,4])
display(df1,df2,pd.concat([df1,df2]))

不匹配級聯：

不匹配指的是級聯的維度的索引不一致。例如縱向級聯時列索引不一致，橫向級聯時行索引不一致

使用pd.appnd() 級聯：

由於在後面級聯的使用非常普遍，因此有一個函數append專門用於在後面添加

合併

使用pd.merge()合併
1. 一對一合併
1. 多對一合併
1. 多對多合併
1. key的規範化
- 使用on=顯式指定哪一列爲key
- 使用left_on和right_on指定左右兩邊的列作爲key
1. 內合併和外合併
- 內合併：只保留兩者都有的key（默認模式）
- 外合併 how=’outer’：補NaN
- 左合併、右合併：how=’left’，how=’right’
1. 列的衝突解決
- 當列衝突時，即有多個列名稱相同時，需要使用on=來指定哪一個列作爲key