pandas
层次化索引
层次化索引让你能在一个轴上拥有多个索引级别。
层次化索引我个人理解是对索引进行了分组，比方说一部分数据是今年的，一部分数据是明年的，可通过层次化索引进行切块以方便后续选取数据
In [263]: data = Series(np.random.randn(10), index=[['2010','2010','2010','2011','2011','2011','2012','2012','2013','2013'],[
...: 1, 2, 3, 1, 2, 3, 1, 2, 2, 3]]) # 这种形式叫做带有```MultiIndex```索引的格式化输出形式。
In [264]: data
Out[264]:
2010 1 1.739760
2 -1.685753
3 0.046604
2011 1 -0.580861
2 -1.848230
3 0.148327
2012 1 0.552871
2 1.347311
2013 2 -0.555054
3 0.601366
dtype: float64
选取分好组的数据：
In [265]: data['2010']
Out[265]:
1 1.739760
2 -1.685753
3 0.046604
dtype: float64
In [267]: data.loc[['2010','2011']]
Out[267]:
2010 1 1.739760
2 -1.685753
3 0.046604
2011 1 -0.580861
2 -1.848230
3 0.148327
dtype: float64
重塑层次化索引
重塑相当于是把一个带有层次化索引的Series转换成了DataFrame，或者把DataFrame转换成带有层次化索引的Series。
In [269]: data.unstack()
Out[269]:
1 2 3
2010 1.739760 -1.685753 0.046604
2011 -0.580861 -1.848230 0.148327
2012 0.552871 1.347311 NaN
2013 NaN -0.555054 0.601366
In [280]: data.unstack().stack()
Out[280]:
2010 1 1.739760
2 -1.685753
3 0.046604
2011 1 -0.580861
2 -1.848230
3 0.148327
2012 1 0.552871
2 1.347311
2013 2 -0.555054
3 0.601366
dtype: float64
unstack 把带有层次化索引的Series对象转换成DataFrame对象
stack 把DataFrame对象转换为带有层次化索引的Series对象
