多级索引：在一个轴上有多个(两个以上）的索引，能够以低维度形式来表示高维度的数据。单级索引是Index对象，多级索引是MultiIndex对象。
一、创建多级索引
index
或
columns
参数传递两个或更多的数组。
df1 = pd.DataFrame(np.random.randint(80, 120, size=(2, 4)),
index= ['girl', 'boy'],
columns=[['English', 'English', 'Chinese', 'Chinese'],
['like', 'dislike', 'like', 'dislike']])
print(df1) # 创建多级 列 索引
-------------------------------------------------------------------------------------
English Chinese
like dislike like dislike
girl 85 109 117 110
boy 85 111 100 107
方法二、显示创建，推荐使用较简单的pd.MultiIndex.from_product方法
df2 = pd.DataFrame(np.random.randint(80, 120, size=(4, 2)),
columns= ['girl', 'boy'],
index=pd.MultiIndex.from_product([['English','Chinese'],
['like','dislike']]))
print(df2) # 创建多级 行 索引
-------------------------------------------------------------------------------------
girl boy
English like 92 98
dislike 118 99
Chinese like 109 108
dislike 108 91
二、检索多级索引
类似单级索引检索(loc、iloc)，以df1数据为例
df1.English
-------------------------------------------------------------------------------------
like dislike
girl 105 112
boy 118 87
df1.English.dislike
-------------------------------------------------------------------------------------
girl 112
boy 87
Name: dislike, dtype: int64
df1.iloc[:,0:3]
-------------------------------------------------------------------------------------
English Chinese
like dislike like
girl 85 113 82
boy 97 83 94
df1.loc['girl', ['English', 'Chinese']]
-------------------------------------------------------------------------------------
English like 105
dislike 112
Chinese like 87
dislike 92
Name: girl, dtype: int64
多级索引的检索，可以使用更高级的方法，如xs、IndexSlice等，用到较少暂不介绍。
三、更改索引的层级
创建多级索引
df = pd.DataFrame(np.random.randint(80, 120, size=(6, 4)),
index= pd.MultiIndex.from_product([[1, 2, 3],['girl', 'boy']]),
columns=pd.MultiIndex.from_product([['English','Chinese'],
['Y','N']]))
print(df)
-------------------------------------------------------------------------------------
English Chinese
Y N Y N
1 girl 86 99 111 105
boy 85 110 113 112
2 girl 98 106 108 94
boy 117 80 97 83
3 girl 95 81 114 95
boy 106 95 119 81
为多级索引命名
df.columns.names = ['Language', 'Pass'] # 设置列索引名
df.index.names = ['Class', 'Six'] # 设置行索引名
print(df)
-------------------------------------------------------------------------------------
Language English Chinese
Pass Y N Y N
Class Six
1 girl 86 99 111 105
boy 85 110 113 112
2 girl 98 106 108 94
boy 117 80 97 83
3 girl 95 81 114 95
boy 106 95 119 81
更改索引的层级(swaplevel)
df.swaplevel('Six','Class') # 更改行索引的层级
-------------------------------------------------------------------------------------
Language English Chinese
Pass Y N Y N
Six Class
girl 1 86 99 111 105
boy 1 85 110 113 112
girl 2 98 106 108 94
boy 2 117 80 97 83
girl 3 95 81 114 95
boy 3 106 95 119 81
四、多级索引的值排序(sort_index)
df.sort_index(level=0, axis=0, ascending=False) # 对行索引Class的值进行降序排列
-------------------------------------------------------------------------------------
Language English Chinese
Pass Y N Y N
Class Six
3 girl 95 81 114 95
boy 106 95 119 81
2 girl 98 106 108 94
boy 117 80 97 83
1 girl 86 99 111 105
boy 85 110 113 112
方法二：使用sortlevel方法，从0.20.0版本开始，已经被弃用
五、多级索引汇总统计
df.sum(level=1) 或df.sum(level='Six') # 对行索引Six进行求和
-------------------------------------------------------------------------------------
Language English Chinese
Pass Y N Y N
girl 279 286 333 294
boy 308 285 329 276
df.sum(level=0, axis=1) 或 df.sum(level='Language', axis=1) # 对列索引Language进行求和
-------------------------------------------------------------------------------------
Language English Chinese
Class Six
1 girl 185 216
boy 195 225
2 girl 204 202
boy 197 180
3 girl 176 209
boy 201 200
六、多级索引轴向转换
常见的数据层次化结构：树状和表格
print(df) # 数据源
-------------------------------------------------------------------------------------
Language English Chinese
Pass Y N Y N
Class Six
1 girl 86 99 111 105
boy 85 110 113 112
2 girl 98 106 108 94
boy 117 80 97 83
3 girl 95 81 114 95
boy 106 95 119 81
df.stack() # 默认将最内层的行索引(Pass)转换为了列索引
-------------------------------------------------------------------------------------
Language Chinese English
Class Six Pass
1 girl N 105 99
Y 111 86
boy N 112 110
Y 113 85
2 girl N 94 106
Y 108 98
boy N 83 80
Y 97 117
3 girl N 95 81
Y 114 95
boy N 81 95
Y 119 106
df.unstack(level=0) # 指定将列索引(Class)转化成行索引
-------------------------------------------------------------------------------------
Language English Chinese
Pass Y N Y N
Class 1 2 3 1 2 3 1 2 3 1 2 3
boy 85 117 106 110 80 95 113 97 119 112 83 81
girl 86 98 95 99 106 81 111 108 114 105 94 95
七、多级索引转换单级索引
步骤：先将多级的行索引转换为列索引，再重置列索引
dt = df.stack() # 将内层行索引()转换为列索引
dt = dt.reset_index() # 重置列索引
print(dt)
-------------------------------------------------------------------------------------
Language Class Six Pass Chinese English
0 1 girl N 105 99
1 1 girl Y 111 86
2 1 boy N 112 110
3 1 boy Y 113 85
4 2 girl N 94 106
5 2 girl Y 108 98
6 2 boy N 83 80
7 2 boy Y 97 117
8 3 girl N 95 81
9 3 girl Y 114 95