Pandas DataFrame多级索引：将列提升为主索引并保留原有索引

本教程详细讲解如何在pandas dataframe中将某一列（如`days_in_month`）提升为主要的索引层级，同时保留原有的时间戳索引作为次级索引。通过结合使用`set_index()`的`append`参数和`swaplevel()`方法，实现灵活且强大的多级索引重构，以满足复杂数据分析需求。

在Pandas数据处理中，我们经常需要根据不同的业务逻辑对DataFrame的索引进行重构。一种常见场景是，当DataFrame已有一个默认或特定的索引（例如时间戳），但我们希望将某个现有列（如days_in_month）提升为主要的索引层级，同时又不丢失原始索引信息，而是将其作为次级索引保留。这通常是为了方便后续基于新主索引的聚合、筛选或分析操作。

初始DataFrame准备

首先，我们创建一个示例DataFrame，它包含一个时间戳索引和几个数据列，其中days_in_month是我们希望提升为新主索引的列。

import pandas as pd

# 创建示例DataFrame
idx = pd.Index(['2022-01-03 09:00:00'], name='timestamp')
df = pd.DataFrame([[12, 3, 31]], index=idx, columns=['data', 'day_of_month', 'days_in_month'])

print("原始DataFrame:")
print(df)

输出：

                     data  day_of_month  days_in_month
timestamp                                             
2022-01-03 09:00:00    12             3             31

第一步：将列添加为新的索引层级

Pandas的set_index()方法可以用于将DataFrame中的一列或多列设置为新的索引。为了在保留现有索引的同时添加新的索引层级，我们需要使用append=True参数。这将创建一个MultiIndex（多级索引），将指定列添加到现有索引的下方。

# 将'days_in_month'列添加为新的索引层级，并保留原有索引
df_with_new_index = df.set_index('days_in_month', append=True)

print("\n添加'days_in_month'为次级索引后的DataFrame:")
print(df_with_new_index)

输出：

                               data  day_of_month
timestamp           days_in_month                  
2022-01-03 09:00:00 31             12             3

此时，timestamp仍是第一级索引（level 0），days_in_month是第二级索引（level 1）。

音刻

AI音视频转录和笔记工具

107

查看详情

第二步：交换索引层级顺序

为了实现将days_in_month作为主索引（level 0），将timestamp作为次级索引（level 1）的目标，我们需要使用swaplevel()方法来交换MultiIndex中两个层级的顺序。swaplevel(0, 1)表示交换第一个层级（索引0）和第二个层级（索引1）。

# 交换索引层级，使'days_in_month'成为主索引
final_df = df_with_new_index.swaplevel(0, 1)

print("\n最终重构索引后的DataFrame:")
print(final_df)

输出：

                               data  day_of_month
days_in_month timestamp                                       
31            2022-01-03 09:00:00    12             3

现在，days_in_month已成功成为DataFrame的主索引，而timestamp则作为其下的次级索引。

完整代码示例

以下是将上述两个步骤合并的完整代码：

import pandas as pd

# 原始DataFrame创建
idx = pd.Index(['2022-01-03 09:00:00'], name='timestamp')
df = pd.DataFrame([[12, 3, 31]], index=idx, columns=['data', 'day_of_month', 'days_in_month'])

print("原始DataFrame:")
print(df)

# 一步到位：将'days_in_month'提升为主索引，并保留'timestamp'为次级索引
out = df.set_index('days_in_month', append=True).swaplevel(0, 1)

print("\n最终重构索引后的DataFrame:")
print(out)

注意事项

• inplace参数: set_index()方法默认返回一个新的DataFrame，不修改原始DataFrame。如果希望直接修改原始DataFrame，可以使用inplace=True参数，但通常建议创建新DataFrame以避免副作用。
• MultiIndex操作: 熟悉MultiIndex的各种操作（如reorder_levels, sort_index, loc切片）对于高效处理多级索引数据至关重要。
• 性能: 对于非常大的DataFrame，索引操作可能会有性能开销。在进行大规模数据处理时，应考虑其对性能的影响。
• 索引名称: set_index()会自动将列名作为新的索引层级名称。如果需要，可以通过rename_axis()方法修改索引名称。

总结

通过set_index(..., append=True)和swaplevel()这两个Pandas方法，我们可以灵活地重构DataFrame的多级索引结构。这种能力在处理具有复杂层次关系的数据时非常有用，它允许我们根据分析需求，将数据中的关键信息提升为索引，从而简化数据查询、分组和分析操作。掌握这些技巧，将大大提升您在Pandas数据处理中的效率和灵活性。

以上就是Pandas DataFrame多级索引：将列提升为主索引并保留原有索引的详细内容，更多请关注php中文网其它相关文章！