本教程详细阐述了在Pandas中如何通过`set_index`方法结合`sort_index`来创建具有层级结构的DataFrame索引，从而实现数据按指定列（如'Continent'）分组的视觉效果。文章澄清了`set_index`与`groupby`的区别，并提供了具体代码示例，指导读者高效地组织和访问多层索引数据。

理解Pandas中的索引与分组操作

在Pandas数据处理中，groupby()和set_index()是两个核心但功能截然不同的操作。初学者常会将它们混淆，尤其是在希望将某一列作为索引并实现数据“分组”展示时。

• groupby()方法：其主要目的是对DataFrame进行分组，以便执行聚合操作（如求和、平均值、计数等）或进行迭代。调用groupby()本身并不会立即返回一个已分组的DataFrame，而是返回一个DataFrameGroupBy对象。这个对象需要进一步配合聚合函数（如.sum(), .mean(), .apply()等）才能生成结果。

  示例：groupby的典型用法

  import pandas as pd
  
  # 示例数据
  data = {
      'Country': ['China', 'United States', 'Japan', 'United Kingdom', 'Russian Federation', 'India', 'South Korea', 'Iran', 'Australia', 'Germany', 'France'],
      'Continent': ['Asia', 'North America', 'Asia', 'Europe', 'Europe', 'Asia', 'Asia', 'Asia', 'Australia', 'Europe', 'Europe'],
      'Population': [1367.64, 317.61, 127.40, 63.87, 143.50, 1276.73, 49.80, 77.07, 23.31, 80.36, 63.83]
  }
  df = pd.DataFrame(data)
  
  print("原始DataFrame头部：")
  print(df.head())
  
  # 尝试直接groupby
  grouped_obj = df.groupby('Continent')
  print("\n直接调用groupby返回的是一个GroupBy对象：")
  print(grouped_obj)
  
  # groupby的聚合用法
  continent_population_sum = df.groupby('Continent')['Population'].sum()
  print("\n按大洲汇总人口：")
  print(continent_population_sum)
  
  # groupby的迭代用法
  print("\n按大洲迭代：")
  for continent, group_df in df.groupby('Continent'):
      print(f"--- {continent} ---")
      print(group_df)

• set_index()方法：此方法用于将DataFrame中的一列或多列设置为新的索引。当设置多列作为索引时，它会创建一个多级索引（MultiIndex），这正是实现数据层级展示的关键。

创建层级索引实现数据分组展示

要实现将某一列（如'Continent'）作为主索引，并在其下展示相关数据，同时让主索引值只显示一次，最有效的方法是使用set_index()创建多级索引，并结合sort_index()。Pandas在显示多级索引时，会自动折叠相同的高层级索引值，使其只显示一次，从而营造出“分组”的视觉效果。

N世界

一分钟搭建会展元宇宙

138 查看详情

步骤：

1. 确定索引列：选择你希望作为层级索引的列。通常，层级越高的列放在前面。
2. 使用set_index()：将选定的列列表传递给set_index()方法。
3. 使用sort_index()：为了确保相同的高层级索引值能够被Pandas正确折叠显示，通常需要对索引进行排序。

示例：将'Continent'和'Country'设置为多级索引

假设我们有以下DataFrame，它可能已经经过了一些计算，包含Country和Population以及聚合统计量：

import pandas as pd
import numpy as np

# 模拟用户"Edit"后的DataFrame结构
data_edit = {
    'Country': ['China', 'Japan', 'India', 'South Korea', 'Iran', 'Australia', 'United Kingdom', 'Russian Federation', 'Germany', 'France'],
    'Population': [1367.645, 127.409, 1276.730, 49.805, 77.075, 23.316, 63.870, 143.500, 80.369, 63.837],
    'Continent': ['Asia', 'Asia', 'Asia', 'Asia', 'Asia', 'Australia', 'Europe', 'Europe', 'Europe', 'Europe'],
    'sum': [2898.666, 2898.666, 2898.666, 2898.666, 2898.666, 23.316, 457.929, 457.929, 457.929, 457.929],
    'size': [5, 5, 5, 5, 5, 1, 6, 6, 6, 6],
    'mean': [579.733, 579.733, 579.733, 579.733, 579.733, 23.316, 76.321, 76.321, 76.321, 76.321],
    'std': [679.097, 679.097, 679.097, 679.097, 679.097, np.nan, 34.647, 34.647, 34.647, 34.647]
}
cont_df = pd.DataFrame(data_edit)

print("原始DataFrame (可能经过计算) 头部：")
print(cont_df.head(10))

# 将'Continent'和'Country'设置为多级索引
# 注意：set_index会移除原列，如果需要保留原列，可以先复制一份或使用reset_index
cont_indexed = cont_df.set_index(['Continent', 'Country']).sort_index()

print("\n设置多级索引并排序后的DataFrame：")
print(cont_indexed)

输出示例（部分）：

设置多级索引并排序后的DataFrame：
                        Population      sum  size     mean      std
Continent     Country                                              
Asia          China     1367.645  2898.666     5  579.733  679.097
              India     1276.730  2898.666     5  579.733  679.097
              Iran        77.075  2898.666     5  579.733  679.097
              Japan      127.409  2898.666     5  579.733  679.097
              South Korea 49.805  2898.666     5  579.733  679.097
Australia     Australia   23.316    23.316     1   23.316      NaN
Europe        France      63.837   457.929     6   7

以上就是Pandas中如何将分组值设置为DataFrame索引并实现层级展示的详细内容，更多请关注其它相关文章！

# 放在  # 昆明seo优化专业公司  # 佛山营销网站怎么做推广  # 沧州东光商城网站建设  # seoul怎么读什么是seo  # 沈阳专业网站建设价格  # 合肥有哪些优化网站  # 闵行区营销推广价格  # 关键词排名搜金手指排名  # 网站做推广的团队  # 徐州专业seo平台排名  # 并在  # app  # 是在  # 的是  # 如何用  # 迭代  # 只显示  # 如何将  # 设置为  # 自定义  # 聚合函数  # 区别 

相关栏目： 【 科技资讯46185 】 【 网络学院92790 】

相关推荐： 学习通网页版官方登录 超星学习通电脑端入口指南  win11开机启动修复循环怎么办 Win11无法进入系统高级启动解决方法【修复】  CSS Box Model与弹性按钮：维持布局稳定的动画实践  CSS布局：解决全屏元素100%尺寸与外边距导致的页面溢出问题  Kafka Streams中基于消息头条件过滤消息的实现指南  C++如何打印当前代码行号与文件名_C++预定义宏FILE与LINE的使用  如何创建没有密码的Windows本地账户_跳过微软账户登录的技巧【教程】  Win11 USB传输速度慢怎么解决 Win11 USB驱动更新与设置  荒野行动PC版怎么注册_荒野行动PC版账号注册详细流程图文教程  Go RPC HTTP服务正确实现与常见陷阱解析  在Runstone环境中高效处理TasteDive API的JSON数据  在React函数组件中利用原生HTML5进行邮箱地址验证  j*a toString()的覆盖  深入理解J*aScript中的B样条曲线与节点向量生成  如何优雅地扩展SprykerGlue后端API授权逻辑，使用spryker/glue-backend-api-application-authorization-connector-extension  J*aScript设计模式实践_j*ascript代码优化  蛙漫画网页版全站入口 蛙漫热门作品免费浏览  在Go开发中优雅管理ListenAndServe进程：GoSublime集成方案  Win11怎么查看电脑配置_Win11硬件配置检测工具使用  AO3网页版最新入口合集 Archive of Our Own在线访问指南  Python vgamepad库按键模拟：正确使用XUSB_BUTTON常量  Win11输入法不见了怎么办_Windows11恢复语言栏显示方法  Excel文件在线转换快速入口 Excel在线格式转换网站  Golang如何通过reflect操作map_Golang reflect map操作与遍历技巧  圆通快递查询实时追踪 圆通物流包裹状态快速查看  如何在复杂的电商平台中优雅地管理共享资源并确保正确重定向，使用spryker-shop/resource-share-page模块助你一臂之力  HTML5原生日期选择器与jQuery UI：实现日期选择器的联动与程序化控制  Python中高效且防溢出的双曲正弦计算：基于对数空间的优化策略  深入理解rpy2中的类型转换：优化Python对象到R矩阵的映射  Basecamp怎样用留言钉固定重点_Basecamp用留言钉固定重点【重点标记】  qq浏览器如何查看和导出已保存的密码 qq浏览器密码管理器数据备份教程  Composer如何处理Git子模块（submodule）依赖_Composer与Git Submodule的对比与选择  痛风发作了怎么办？ 快速止痛和后期饮食调理  《马克思佩恩3》早期版本曝光 UI设计曾多次调整！  天眼查企业查询官网入口 天眼查官方网页版查询  Go语言中JSON数据解析与字段访问教程  4399体育竞技小游戏_4399小游戏赛事入口  知乎APP怎么管理已购盐选内容_知乎APP盐选内容购买记录与查看方法  mysql备份恢复性能优化_mysql备份恢复性能优化方法  在J*a项目里如何构建对象之间的契约_接口约束的实际落地  Excel组合图表怎么做 Excel创建柱状图与折线组合图教程【图表】  vivo云服务网页版登录 怎么登录vivo云服务网页版  R星幕后开发视频泄露 包含《GTA6》等多款大作  Lar*el表单中优雅地处理“返回”按钮以规避验证：最佳实践指南  UE5.7引擎表现爆炸优化无敌！5090跑4K稳定60FPS  J*aScript数据结构转换：将对象数组按类别分组  QQ邮箱官方网站登录入口_QQ邮箱网页版在线使用  电脑IP地址怎么查 查看本机IP地址的几种方法  Vue.js 图片显示异常排查：理解应用挂载范围与DOM ID唯一性  提升屏幕阅读器对“m”时间单位的播报准确性：HTML与CSS组合解决方案