本教程详细介绍了如何将 pandas dataframe 中的某个列提升为新的主索引，同时保留原有的索引作为二级索引。通过使用 `set_index` 方法结合 `append=true` 参数，以及 `swaplevel` 操作，您可以灵活地重构 dataframe 的索引结构，实现将列数据转换为多级索引的需求，从而优化数据访问和分析。
在数据分析和处理中，Pandas DataFrame 是一种强大的工具。有时，我们需要根据 DataFrame 中某个列的值来构建更复杂的索引结构，例如将其提升为多级索引中的主索引，同时保留原始索引作为次级索引。这种操作对于数据的组织、查询和聚合都至关重要。
理解问题场景
假设我们有一个 Pandas DataFrame，其结构如下：
data day_of_month days_in_month timestamp 2022-01-03 09:00:00 12 3 31
当前 DataFrame 的索引是 timestamp（一个 Pandas Timestamp 类型）。我们的目标是将 days_in_month 列的值作为新的主索引，而 timestamp 则变为二级索引。
对于这种需求，一些常见的 DataFrame 重塑操作，如 pivot 或 melt，通常不适用于直接将列转换为多级索引并保留现有索引的场景。pivot 主要用于将列值转换为新的列，而 melt 则用于将宽格式数据转换为长格式。我们需要的是一种更直接的索引操作。
解决方案：set_index 结合 append 和 swaplevel
Pandas 提供了 set_index 方法，它允许我们将 DataFrame 中的一个或多个列设置为新的索引。结合 append=True 参数和 swaplevel 方法，我们可以优雅地实现上述目标。
1. 准备示例数据
首先，我们创建一个与问题描述相符的 DataFrame：
import pandas as pd
# 创建一个示例索引
idx = pd.Index(['2022-01-03 09:00:00'], name='timestamp')
# 创建示例 DataFrame
df = pd.DataFrame([[12, 3, 31]], index=idx, columns=['data', 'day_of_month', 'days_in_month'])
print("原始 DataFrame:")
print(df)输出：
原始 DataFrame:
data day_of_month days_in_month
timestamp
2022-01-03 09:00:00 12 3 312. 使用 set_index 添加新索引级别
set_index() 方法允许我们将一个或多个列设置为 DataFrame 的索引。当 append=True 时，它会将指定的列作为新的索引级别添加到现有索引的 内层。
# 将 'days_in_month' 列添加到现有索引的内层
# append=True 表示保留原有索引并添加新索引级别
df_indexed = df.set_index('days_in_month', append=True)
print("\n添加 'days_in_month' 为内层索引后的 DataFrame:")
print(df_indexed)输出：
添加 'days_in_month' 为内层索引后的 DataFrame:
data day_of_month
timestamp days_in_month
2022-01-03 09:00:00 31 12 3此时，DataFrame 已经拥有了一个多级索引，其中 timestamp 是外层索引（级别 0），days_in_month 是内层索引（级别 1）。
3. 使用 swaplevel 交换索引级别
为了让 days_in_month 成为主索引（外层），我们需要交换这两个索引的级别。swaplevel(level1, level2) 方法可以实现这一点，它接受两个参数，分别代表要交换的索引级别。在 Python 中，索引级别通常从 0 开始计数。
# 交换索引级别：将级别 0 (timestamp) 与级别 1 (days_in_month) 互换
out = df_indexed.swaplevel(0, 1)
print("\n交换索引级别后的最终 DataFrame:")
print(out)输出：
交换索引级别后的最终 DataFrame:
data day_of_month
days_in_month timestamp
31 2022-01-03 09:00:00 12 3现在，days_in_month 已经成功地成为了 DataFrame 的主索引，而 timestamp 则作为二级索引。
完整代码示例
将上述步骤整合到一起，完整的解决方案如下：
import pandas as pd
# 1. 准备示例数据
idx = pd.Index(['2022-01-03 09:00:00'], name='timestamp')
df = pd.DataFrame([[12, 3, 31]], index=idx, columns=['data', 'day_of_month', 'days_in_month'])
print("原始 DataFrame:")
print(df)
# 2. 将 'days_in_month' 列添加到现有索引的内层
# append=True 确保保留原有索引并添加新级别
df_with_new_inner_index = df.set_index('days_in_month', append=True)
print("\n添加 'days_in_month' 为内层索引后的 DataFrame:")
print(df_with_new_inner_index)
# 3. 交换索引级别，使 'days_in_month' 成为主索引
# swaplevel(0, 1) 将当前级别 0 (timestamp) 与级别 1 (days_in_month) 互换
final_df = df_with_new_inner_index.swaplevel(0, 1)
print("\n交换索引级别后的最终 DataFrame:")
print(final_df)
# 验证最终 DataFrame 的索引类型和名称
print("\n最终 DataFrame 索引信息:")
print(final_df.index)注意事项与总结
-
set_index() 的 append 参数：
- append=True：将新索引添加到现有索引的内层，形成多级索引。这是本教程实现目标的关键。
- append=False (默认值)：替换现有索引为新的索引，如果原索引有名称，新索引会继承。
- swaplevel() 的参数： 可以是索引的整数位置（从 0 开始），也可以是索引的名称。例如，如果索引有名称，也可以使用 df.swaplevel('timestamp', 'days_in_month')。
- 多列索引： 如果需要将多个列同时提升为多级索引，set_index() 可以接受一个列名列表。例如 df.set_index(['col1', 'col2'], append=True)。
- 性能考量： 对于非常大的 DataFrame，频繁的索引操作可能会有性能开销。在设计数据结构时，应尽量一次性构建好所需的索引。
通过 set_index(..., append=True) 和 swaplevel() 这两个强大的 Pandas 方法，我们可以灵活地将 DataFrame 中的列提升为多级索引，从而更好地组织和操作数据，满足复杂的数据分析需求。
