层级索引

Pandas 高阶数据组织：MultiIndex 分层索引机制与多维切片精讲

小象实战讲义 · Python数据分析实战

在处理高维复杂业务数据时（例如：按“省份-城市”两级统计人口、“年份-季度-月度”多层汇总销售额、“部门-员工”组织架构指标），传统的单层一维 Index 往往无法清晰表达维度之间的从属与嵌套关系。Pandas 提供了极其强大的 MultiIndex（多层级分层索引） 机制。MultiIndex 允许在一个轴向上定义两个或两个以上的层级标签，从而使二维的 DataFrame 能够优雅地承载三维甚至更高维度的复杂数据结构。本节我们将深入剖析 MultiIndex 的创建、多层级寻址切片以及层级交换与排序技术。

💡 核心导读

• MultiIndex 的核心价值：在二维表格中无缝表示 $N$ 维高维结构，支持分层聚合与钻取。
• 三大常用创建范式：
  • 基于元组列表 MultiIndex.from_tuples()；
  • 基于笛卡尔积列表 MultiIndex.from_product()；
  • 基于 DataFrame 的多列分组投影自动衍生。
• 多层级切片检索：外层直接索引、内层逐级下钻与 pd.IndexSlice 全景切片。
• 层级管理方法：swaplevel()（交换层级位置）与 sort_index(level=...)（按层级重排）。

1. MultiIndex 的构建范式与内外层坐标系

MultiIndex 将多个索引层级组合为一个复合标签元组：

┌─────────────────────────────────────────────────────────────┐
│                 MultiIndex 双层索引模型                     │
├──────────────────────────────┬──────────────────────────────┤
│ 外层索引 (Level 0: 省份)     │ 内层索引 (Level 1: 城市)     │
├──────────────────────────────┼──────────────────────────────┤
│ '广东'                       │ '广州'                       │
│ '广东'                       │ '深圳'                       │
│ '浙江'                       │ '杭州'                       │
│ '浙江'                       │ '宁波'                       │
└──────────────────────────────┴──────────────────────────────┘

import pandas as pd
import numpy as np

# 1. 使用 from_product 创建多层级笛卡尔积索引
provinces = ["广东", "浙江"]
cities_map = [["广州", "深圳"], ["杭州", "宁波"]]

# 构建 (省份, 城市) 双层行索引
index_tuples = [("广东", "广州"), ("广东", "深圳"), ("浙江", "杭州"), ("浙江", "宁波")]
multi_idx = pd.MultiIndex.from_tuples(index_tuples, names=["省份", "城市"])

# 2. 构建多层列索引 (年份, 指标)
cols_tuples = [("2023", "GDP"), ("2023", "人口"), ("2024", "GDP"), ("2024", "人口")]
multi_cols = pd.MultiIndex.from_tuples(cols_tuples, names=["年份", "指标"])

# 创建高维表格
data = np.array([
    [13000, 1867, 14200, 1882],
    [14500, 1756, 15800, 1779],
    [12000, 1220, 13100, 1240],
    [8500,  954,  9200,  965]
])

df_hierarchical = pd.DataFrame(data, index=multi_idx, columns=multi_cols)
print("=== 1. 双层行与双层列 MultiIndex DataFrame ===")
print(df_hierarchical)

2. 多层级索引切片与 swaplevel 层级交换

通过 .loc 可以逐级下钻。使用 swaplevel() 可以自由调换层级内外顺序。

# 1. 外层行索引切片：提取广东全省数据
print("=== 2. 提取外层 '广东' 的所有城市 ===")
print(df_hierarchical.loc["广东"])

# 2. 逐级精确定位：提取 广东-深圳 的 2024年 GDP
print("\n• 广东深圳 2024 GDP:", df_hierarchical.loc[("广东", "深圳"), ("2024", "GDP")])

# 3. 层级交换 (swaplevel) 并排序
df_swapped = df_hierarchical.swaplevel("省份", "城市", axis=0).sort_index(axis=0)
print("\n=== 3. 交换行索引层级 (城市在前，省份在后) ===")
print(df_swapped)

📝 动手练一练

1. 概念思考题：在对 MultiIndex 的 DataFrame 进行内层切片或复杂检索前，为什么强烈建议先执行 df.sort_index()？

   👉 点击查看参考答案

   参考答案： MultiIndex 在底层基于词典序进行二分检索加速。如果索引是乱序未排序的，切片时可能抛出 UnsortedIndexError 或导致性能严重退化。先执行 sort_index() 能确保检索正确且达到最佳查询性能。

2. 编程练习：给定 DataFrame，请使用 MultiIndex.from_tuples 将 [('A', 1), ('A', 2), ('B', 1)] 设为其行索引。

   👉 点击查看参考答案

   参考答案：

   import pandas as pd
   idx = pd.MultiIndex.from_tuples([('A', 1), ('A', 2), ('B', 1)], names=['Group', 'Num'])
   df = pd.DataFrame({'val': [10, 20, 30]}, index=idx)
   print(df)

本章小结

• 深刻理解了 MultiIndex 在承载高维分层数据时的结构优势；
• 熟练掌握了 from_tuples 与 from_product 构建分层索引的标准方法；
• 掌握了多层级索引定位、双轴下钻以及 swaplevel 层级调换与排序技巧。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《Pandas 分组与聚合机制：Split-Apply-Combine 范式》！

—— 小象教研组