数据分析之Pandas-02多层次化索引和拼接

01-Pandas层次化索引

创建多层索引

1.隐式构造
Series也可以创建多层索引

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

2.显示构造（Multilndex）
- pd.MultiIndex.from_arrays
- pd.MultiIndex.from_tuples
- pd.MultiIndex.from_product

多层索引

除了行索引index，列索引columns也能用同样的方法创建多层索引

多层索引对象的索引与切片操作

Series的操作：

【重要】对于Series来说，直接中括号[]与使用.loc()完全一样，因此，推荐使用中括号索引和切片

DataFrame的操作：

1. 可以直接使用列名称来进行列索引.
2. 使用行索引需要用ix()，loc()等函数
   【极其重要】推荐使用loc()函数.
3. 注意在对行索引的时候，若一级行索引还有多个，对二级行索引会遇到问题！也就是说，无法直接对二级索引进行索引，必须让二级索引变成一级索引后才能对其进行索引！

索引的堆（unstack）

【小技巧】使用unstack()的时候，level等于哪一个，哪一个就消失，出现在列里

聚合操作

【注意】
需要指定level
【小技巧】和unstack()相反，聚合的时候，level等于哪一个，哪一个就保留

02-Pandas拼接操作

级联

使用pd.concat()级联

简单级联：

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

不匹配级联：

不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致，横向级联时行索引不一致

使用pd.appnd() 级联：

由于在后面级联的使用非常普遍，因此有一个函数append专门用于在后面添加

合并

使用pd.merge()合并
1. 一对一合并
1. 多对一合并
1. 多对多合并
1. key的规范化
- 使用on=显式指定哪一列为key
- 使用left_on和right_on指定左右两边的列作为key
1. 内合并和外合并
- 内合并：只保留两者都有的key（默认模式）
- 外合并 how=’outer’：补NaN
- 左合并、右合并：how=’left’，how=’right’
1. 列的冲突解决
- 当列冲突时，即有多个列名称相同时，需要使用on=来指定哪一个列作为key