Pandas中怎么使用MultiIndex选择并提取任何行和列

什么是MultiIndex

在pandas中，我们有时需要对多维数据进行索引和选择。这种情况下需要使用多级索引（MultiIndex）。MultiIndex可以被看作是由元组组成层次结构的索引，这种多级索引在对大型数据集的处理中尤为有用。

import pandas as pd

data = {'name': ['John', 'John', 'Mike', 'Mike', 'Kate', 'Kate'],
        'subject': ['English', 'Math', 'English', 'Math', 'English', 'Math'],
        'score': [80, 60, 70, 85, 90, 75]}

df = pd.DataFrame(data)
df.set_index(['name', 'subject'], inplace=True)

print(df)

上述例子中使用了两列来设置索引，相当于用两个维度来确定一项数据。下面会针对这个数据框进行选择和提取。

提取特定的行和列

有时候我们需要根据MultiIndex提取特定的行和列，可以使用loc（位置选择器）方法，loc方法可以通过元组的方式来选择。下面的代码演示了如何选择名字为John的学生成绩：

print(df.loc['John'])

运行上述代码会输出名字为John的学生的所有成绩：

         score
subject       
English     80
Math        60

元组中的第一个元素用来定位第一级索引，第二个元素用来定位第二级索引。

筛选任意行和列

通过loc方法，我们可以选择MultiIndex中的任意行和列。下面的代码演示了如何选择名字为John和Mike的学生成绩的数学成绩：

print(df.loc[(['John', 'Mike'], 'Math')])

运行上述代码会输出名字为John和Mike的学生的数学成绩：

           score
name subject      
John Math      60
Mike Math      85

元组中第一个元素的列表定义了我们的行要素，第二个元素是我们的列元素。这种使用方式相当灵活。

选择所有的某个级别的行或列

在MultiIndex中，有时候我们需要选择某个级别下所有的行或列。可以使用iloc和index_slice（index切片）方法来实现下列代码演示如何选择Math科目下所有学生成绩：

idx = pd.IndexSlice
print(df.loc[:, idx[:, 'Math']])

运行上述代码会输出：

                score
name  subject       
John  Math      60
Mike  Math      85
Kate  Math      75

iloc方法可以使用数字来定位位置，而IndexSlice方法则使用切片的方式来选择。

总的来说，使用MultiIndex可以很容易地对多维数据进行索引和选择。使用loc方法，可以选择单个或多个索引单元格，使用index_slice方法可以根据切片选择特定索引。这样我们就能够更加高效的对pandas数据框进行读取和选择，有利于提升我们的编程效率。