=== 层次索引 ===

1、多层索引 index

一组成绩:[89,99,56,44,33,56]

deep_Series = pd.Series([89,99,56,44,33,56],index=[        [2017,2017,2017,2018,2018,2018],        list('CMECME')] )print('\n--- deep_Series ---')print(deep_Series)print('\n--- 2017的数学成绩 ---')print(deep_Series[2017,'M'])print('\n--- 所有年份的语文恩成绩 ---')print(deep_Series[:,'C'])

--- deep_Series ---2017  C    89      M    99      E    562018  C    44      M    33      E    56dtype: int64--- 2017的数学成绩 ---99--- 所有年份的语文恩成绩 ---2017    892018    44dtype: int64

2、交换索引 swaplevel

print('\n--- 内外层索引交换 ---')deep_Series = deep_Series.swaplevel()deep_Series = deep_Series.sort_index()print(deep_Series)print('\n--- 所有年份的语文恩成绩 ---')print(deep_Series['C'])

--- 内外层索引交换 ---C  2017    89   2018    44E  2017    56   2018    56M  2017    99   2018    33dtype: int64--- 所有年份的语文恩成绩 ---2017    892018    44dtype: int64

=== 相互转换 ===

1、 转换成 DataFrame

print('\n--- deep_Series ---')print(deep_Series)print('\n--- 转换成 DataFrame ---')# unstack (默认level=1)data_frame =  deep_Series.unstack(level = 0)data_frame

2、 DataFrame 转回2层Serices

deep_Series = data_frame.stack()deep_Series

2017  C    89      E    56      M    992018  C    44      E    56      M    33dtype: int64

=== 多层Series算数统计 ===

1、 Series 计算2017年的总分(level=0 外层)

deep_Series.sum(level=0)

2017    2442018    133dtype: int64

2、 Series 计算各科成绩平均分(level=1 内层)

deep_Series.mean(level=1)

C    66.5E    56.0M    66.0dtype: float64

此外DataFrame中也可进行层级计算，暂不深入研究