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                                             
2025-01-03 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(['2025-01-03 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                                             
2025-01-03 09:00:00    12             3             31

2. 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。

挖错网

一款支持文本、图片、视频纠错和AIGC检测的内容审核校对平台。

185 查看详情

# 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                      
2025-01-03 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            2025-01-03 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(['2025-01-03 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。

以上就是Pandas DataFrame 列转换为多级索引：将列提升为主索引的教程的详细内容，更多请关注其它相关文章！

# 多线程  # 盐城营销推广厂家电话地址  # 湖南搜狗seo优化  # 网上营销推广方案怎么写  # 金坛区营销推广公司  # 重庆seo教程推荐公司  # 北京互联网营销推广渠道  # seo都铎火星推荐  # 武汉怎么做网站推广的  # 万宁seo优化公司  # seo内链如何做  # 如何实现  # python  # 创建一个  # 设置为  # 这两个  # 我们可以  # 重构  # 数据结构  # 多个  # 转换为  # 数据访问  # 工具  # app 

相关栏目： 【 科技资讯46185 】 【 网络学院92790 】

相关推荐： AO3镜像入口大全 AO3网页版内容访问全集  快手官方唯一登录入口 谨防山寨钓鱼网站  4399体育竞技小游戏_4399小游戏赛事入口  CSS Flexbox如何实现多行排列_flex-wrap wrap自动换行显示  在命令行怎么运行html项目_命令行运行html项目方法【教程】  Composer的 archive 命令怎么用_快速打包你的PHP项目及其Composer依赖  深入理解字体排版：Adobe光学字偶距与CSS字偶距的差异与实现  Pandas DataFrame：高效添加条件计算列  Centos/Linux 系统下安装 composer 的完整步骤  J*a编写用户注册与登录功能_掌握字符串与验证逻辑  PHP中高效并行检查多链接状态的教程  J*a TimerTask中HashMap意外清空的深层原因与解决方案  在J*aScript中复现SciPy的B样条拟合与求值：关键考量  QQ邮箱官方网页版登录 QQ邮箱个人邮箱快速访问  漫蛙2网页版漫画入口 漫蛙漫画在线官方登录  c++中的std::launder有什么实际用途_c++对象生命周期与指针优化  css卡片内容溢出如何处理_使用overflow隐藏或scroll显示内容  如何使用纯J*aScript判断Input元素是否在特定类容器内  J*a实现学校排课程序_面向对象结构化项目示例  夸克浏览器图书入口 夸克手机浏览器阅读入口  必由学登录入口 必由学官方网站在线访问链接  俄罗斯方块最新版入口 俄罗斯方块在线玩官网入口  TikTok国际版官网直达_TikTok国际版官网直达进入在线观看  聚水潭ERP登录页面入口 聚水潭ERP官网登录界面  魅族20怎样在浏览器开无图省流_iPhone魅族20浏览器开无图省流【流量节省】  Win11怎么设置鼠标指针速度_Win11提高鼠标指针精确度选项  优酷会员付费后没到账怎么办_优酷会员充值异常及解决方法  台积电1.4nm工艺A14瞄准2028：10年来性能提升80%  vivo浏览器自带的下载器速度慢怎么办 vivo浏览器提升文件下载速度的技巧  Safari浏览器输入栏卡顿如何解决 Safari搜索建议与缓存清理  Node.js CSV 数据处理：基于字段空值条件过滤整条记录的策略  Pandas DataFrame 多条件优先级排序与排名  实现全屏滚动与导航点：专业教程  绝地鸭卫平a核爆刀流玩法攻略  Python Socket多播通信中指定源IP地址的实践指南  QQ邮箱网页版入口 QQ邮箱官方邮箱登录通道  Composer如何处理Git子模块（submodule）依赖_Composer与Git Submodule的对比与选择  C++ typeid如何获取类型信息_C++ RTTI运行时类型识别用法  php源码怎么看淘宝客系统_看php源码淘宝客系统技巧  Excel Power Pivot如何处理XML数据源 构建高级数据模型  凉拌黄瓜怎么拌更入味 凉拌黄瓜简单家常做法  解决macOS Tkinter应用双击启动崩溃：PyInstaller打包指南  mysql如何设置表访问权限_mysql表访问权限配置  Yandex官方入口网址 Yandex俄罗斯搜索引擎最新在线地址  WordPress插件开发：正确注册卸载钩子与避免常见陷阱  Golang切片为何属于引用类型_Golang slice底层结构与引用语义说明  在J*a中如何开发简易电子商务商品管理系统_商品管理系统项目实战解析  Win11怎么用U盘重装系统 Win11制作启动盘并重装系统完整教程【详解】  Sublime Text怎么显示空格和制表符_Sublime显示不可见字符设置  “在文档元素之后找到了标记”是什么错误？ 检查并修复XML中多个根元素的3个方法