Pandas DataFrame 多层索引如何取值，索引与列如何转换

首先讲讲根据行列索引的查询

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(50, 100, size=(4, 4)),
                 columns=pd.MultiIndex.from_product(
                 [['math', 'physics'], ['term1', 'term2']]),
                 index=pd.MultiIndex.from_tuples(
                 [('class1', 'LiLei'), ('class2', 'HanMeiMei'),
                 ('class2', 'LiLei'), ('class2', 'HanMeiMei')]))
df.index.names = ['class', 'name']
df
# 输出：
			 		math 			physics
					term1 	term2 	term1 	term2
class 	name 				
class1 	LiLei 		54 		71 		54 		96
class2 	HanMeiMei 	93 		77 		86 		66
		LiLei 		53 		68 		98 		89
		HanMeiMei 	58 		61 		57 		89

1. 根据行索引查询：

# 取外层索引为'class1'的数据
df.loc['class1']
# 输出：
 		math 			physics
		term1 	term2 	term1 	term2
name 				
LiLei 	54 		71 		54 		96

# 同时根据多个索引筛选取值，法一：
df.loc[('class2', 'HanMeiMei')]
# 输出：

					math 	 		physics
					term1 	term2 	term1 	term2
class 	name 				
class2 	HanMeiMei 	93 		77 		86 		66
		HanMeiMei 	58 		61 		57 		89

# 同时根据多个索引筛选取值，法二：（这个方法不会带上外层索引）
df.loc['class2'].loc['HanMeiMei']
# 输出：
		 	math 	physics
			term1 	term2 	term1 	term2
name 				
HanMeiMei 	93 		77 		86 		66
HanMeiMei 	58 		61 		57 		89

# 根据内层索引取值，先交换内外层索引位置
df.swaplevel()
# 输出：
					math	        physics
					term1	term2   term1	term2
name		class				
LiLei		class1	81		81		77		91
HanMeiMei	class2	82		83		84		79
LiLei		class2	78		50		81		64
HanMeiMei	class2	59		94		89		52

# 再通过取外层索引的方法取值
df.swaplevel().loc['HanMeiMei']
# 输出：
		math 			physics
		term1 	term2 	term1 	term2
class 				
class2 	93 		77 		86 		66
class2 	58 		61 		57 		89

2. 根据clomuns查询：

df
# 输出：
			 		math 			physics
					term1 	term2 	term1 	term2
class 	name 				
class1 	LiLei 		54 		71 		54 		96
class2 	HanMeiMei 	93 		77 		86 		66
		LiLei 		53 		68 		98 		89
		HanMeiMei 	58 		61 		57 		89

# 根据外层column取值：
df['math']
# 输出
					term1 	term2
class 	name 		
class1 	LiLei 		54 		71
class2 	HanMeiMei 	93 		77
		LiLei 		53 		68
		HanMeiMei 	58 		61

# 根据多层column联合取值：
# 以下4句代码等效：
df['math','term2']
df.loc[:, ('math','term1')]
df['math']['term2']
df[('math','term1')]

# 输出
class   name     
class1  LiLei        54
class2  HanMeiMei    93
        LiLei        53
        HanMeiMei    58
Name: (math, term1), dtype: int32

# 与行索引类似，取内层索引先交换轴
df.swaplevel(axis=1)
# 输出
 					term1 	term2 	term1 		term2
					math 	math 	physics 	physics
class 	name 				
class1 	LiLei 		54 	 	71 		54 			96
class2 	HanMeiMei 	93 		77 		86 			66
		LiLei 		53 		68 		98 			89
		HanMeiMei 	58 		61 		57 			89

# 交换轴后取外层列索引即可
df.swaplevel(axis=1)['term1']
# 输出

					math 	physics
class 	name 		
class1 	LiLei 		54 		54
class2 	HanMeiMei 	93 		86
		LiLei 		53 		98
		HanMeiMei 	58 		57

以上内容参考：
https://www.cnblogs.com/jaysonteng/p/13475618.html

接下来讲解行列索引的转换：

set_index()： 指定列为索引
reset_index()： 将索引转化为列

1.列转化位索引

df1=pd.DataFrame({'X':range(5),'Y':range(5),'S':list("aaabb"),'Z':[1,1,2,2,2]})
df1
# 输出（使用默认索引）
 	X 	Y 	S 	Z
0 	0 	0 	a 	1
1 	1 	1 	a 	1
2 	2 	2 	a 	2
3 	3 	3 	b 	2
4 	4 	4 	b 	2

# 指定某一列为索引
df1.set_index('S')
# 输出
	X 	Y 	Z
S 			
a 	0 	0 	1
a 	1 	1 	1
a 	2 	2 	2
b 	3 	3 	2
b 	4 	4 	2

# 也可以保留索引列
df1.set_index('S', drop=False)
# 输出
	X 	Y 	S 	Z
S 				
a 	0 	0 	a 	1
a 	1 	1 	a 	1
a 	2 	2 	a 	2
b 	3 	3 	b 	2
b 	4 	4 	b 	2

# 指定多行列作为索引
df1.set_index(['S', 'Z'], drop=False)
# 输出
		X 	Y 	S 	Z
S 	Z 				
a 	1 	0 	0 	a 	1
	1 	1 	1 	a 	1
	2 	2 	2 	a 	2
b 	2 	3 	3 	b 	2
	2 	4 	4 	b 	2

2.索引转化为列

df2=df1.set_index(['S','Z'])
df2
# 输出
 		X 	Y
S 	Z 		
a 	1 	0 	0
	1 	1 	1
	2 	2 	2
b 	2 	3 	3
	2 	4 	4

# 将单个索引作为DataFrame对象的列
df2.reset_index('Z')
# 输出
	Z 	X 	Y
S 			
a 	1 	0 	0
a 	1 	1 	1
a 	2 	2 	2
b 	2 	3 	3
b 	2 	4 	4

# 将多级索引作为列
df2.reset_index()
# 输出
 	S 	Z 	X 	Y
0 	a 	1 	0 	0
1 	a 	1 	1 	1
2 	a 	2 	2 	2
3 	b 	2 	3 	3
4 	b 	2 	4 	4

# 删除对指定索引
df2.reset_index(inplace=True)
df2
# 输出
	S 	Z 	X 	Y
0 	a 	1 	0 	0
1 	a 	1 	1 	1
2 	a 	2 	2 	2
3 	b 	2 	3 	3
4 	b 	2 	4 	4

# 以上操作都不会直接对原DataFrame进行修改，若要直接对原DataFrame进行修改， 加上参数inplace=True
df2.reset_index(inplace=True)
df2
# 输出
	index 	S 	Z 	X 	Y
0 	0 		a 	1 	0 	0
1 	1 		a 	1 	1 	1
2 	2 		a 	2 	2 	2
3 	3 		b 	2 	3 	3
4 	4 		b 	2 	4 	4

以上内容参考：
https://blog.csdn.net/weixin_38168620/article/details/80100014