前一篇中，介紹Pandas要如何處理數據有缺失值的情況，才能做正確的數值、統計運算， 今天要來介紹如何做分層索引(Hierarchical Indexing)，

Hierarchical Indexing

在資料運算中，需要確認資料格式外，更加需要了解目前區要的資料項目為何者，因此本節介紹，在pandas如何做資料索引。

• 首先，建立一個二維陣列。

ndex = [('California', 2000), ('California', 2010),
         ('New York', 2000), ('New York', 2010),
         ('Taiwan', 2000), ('Taiwan', 2010)]
populations = [300000000, 3545788006,
               142467897, 1937424222,
               20851220, 22222261]
pop = pd.Series(populations, index=index)
pop

• 輸出想要的陣列範圍

pop[('California', 2010):('Taiwan', 2000)]

1.Pandas MultiIndex

• 透過 Pandas MultiIndex，可以建立多索引。

index = pd.MultiIndex.from_tuples(index)
index

• 查看建立MultiIndex型態，資料的樣式為

pop = pop.reindex(index)
pop

• 查詢資料值為2000的項目

pop[:, 2000]

2.將Pandas MultiIndex產生的類別，作為資料的另外一個維度

• 利用unstack()來將額外產生出來的類別做DataFrame的行或列標籤。

pop_df = pop.unstack()
pop_df

• 亦可利用stack()，來反處理

pop_df.stack()

3.Methods of MultiIndex Creation

• 透過 Pandas MultiIndex，可以新建立多維資料。

pd.MultiIndex.from_arrays([['a', 'a', 'b', 'b'], [1, 2, 1, 2]])

pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1), ('b', 2)])

pd.MultiIndex.from_product([['a', 'b'], [1, 2]])

皆可以產生下圖的資料格式：

4.MultiIndex for columns

• 透過 Pandas MultiIndex，可以新建立多維資料。

# 建立行列分層索引
index = pd.MultiIndex.from_product([[2013, 2014], [1, 2]],
                                   names=['year', 'visit'])
columns = pd.MultiIndex.from_product([['Bob', 'Guido', 'Sue'], ['HR', 'Temp']],
                                     names=['subject', 'type'])
# 建立數據
data = np.round(np.random.randn(4, 6), 1)
data[:, ::2] *= 10
data += 37
# 建立 DataFrame
health_data = pd.DataFrame(data, index=index, columns=columns)
health_data

• 以最頂層的資料標籤，最為資料索引的目標

health_data['Guido']

• 第二個資料屬性，可以填寫第二層標籤...

health_data['Guido', 'HR']

• 求0~2筆的資料

health_data.iloc[:2, :2]