7. 数据的规整：分组、聚合、合并、重塑

7. 数据规整：聚合、合并、重塑和分组

数据规整：聚合、合并、重塑和分组

在许多应用中，数据可能分散在许多文件或数据库中，存储的形式也不利于分析。本章关注可以聚合、合并、重塑数据的方法。

1. 层次化索引

层次化索引（hierarchical indexing）是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。抽象点说，它使你能以低维度形式处理高维度数据。我们先来看一个简单的例子：创建一个Series，并用一个由列表或数组组成的列表作为索引：

import pandas as pd
import numpy as np

data = pd.Series(np.random.randn(9),index=[['a', 'a', 'a', 'b', 'b', 'c', 'c', 'd', 'd'],
                                           [1, 2, 3, 1, 3, 1, 2, 2, 3]])
data

a  1   -0.290839
   2    2.304109
   3    1.634541
b  1    0.580154
   3    0.467801
c  1    1.839985
   2   -0.609232
d  2   -0.268056
   3   -0.946874
dtype: float64

看到的结果是经过美化的带有MultiIndex索引的Series的格式。索引之间的“间隔”表示“直接使用上面的标签”：

data.index
-----------------------------------------------------------------------------
MultiIndex([('a', 1),
            ('a', 2),
            ('a', 3),
            ('b', 1),
            ('b', 3),
            ('c', 1),
            ('c', 2),
            ('d', 2),
            ('d', 3)],
           )

对于一个层次化索引的对象，可以使用所谓的部分索引，使用它选取数据子集的操作更简单：

MultiIndex([('a', 1),
            ('a', 2),
            ('a', 3),
            ('b', 1),
            ('b', 3),
            ('c', 1),
            ('c', 2),
            ('d', 2),
            ('d', 3)],
           )

data['b']
-----------------------------------------------------------------------------
1    0.580154
3    0.467801
dtype: float64

data['b':'c']
-----------------------------------------------------------------------------
b  1    0.580154
   3    0.467801
c  1    1.839985
   2   -0.609232
dtype: float64

data.loc[['b','d']]
-----------------------------------------------------------------------------
b  1    0.580154
   3    0.467801
d  2   -0.268056
   3   -0.946874
dtype: float64

有时甚至还可以在“内层”中进行选取：

data.loc[:,2]

a    2.304109
c   -0.609232
d   -0.268056
dtype: float64

层次化索引在数据重塑和基于分组的操作（如透视表生成）中扮演着重要的角色。例如，可以通过unstack方法将这段数据重新安排到一个DataFrame中：

data