Pandas层级索引

### Pandas 多级索引使用方法教程

#### 创建多级索引对象
Pandas 提供了 `MultiIndex` 类型来处理多级索引的问题[^1]。下面是一个简单的例子展示如何创建一个多级索引的对象：

import numpy as np
import pandas as pd

index = [('California', 2000), ('California', 2010),
         ('New York', 2000), ('New York', 2010),
         ('Texas', 2000), ('Texas', 2010)]
populations = [33871648, 37253956,
               18976457, 19378102,
               20851820, 25145561]

# 构建Series并设置其索引为上述定义的元组列表形式
pop = pd.Series(populations, index=pd.MultiIndex.from_tuples(index))
print(pop)

这段代码会输出如下所示的结果，其中包含了两个级别的索引——州名和年份。

#### 切片查询操作
对于带有多个层次结构的数据集来说，可以利用这些额外的信息来进行更精确的选择。例如，要获取特定时间段内的记录，可以通过指定起始位置到结束位置之间的范围实现切片查询功能[^2]：

# 查询从(California, 2010)至(Texas, 2000)之间所有的条目
slice_result = pop[('California', 2010):('Texas', 2000)]
print(slice_result)

# 获取所有2010年的数据项
year_2010_data = pop[pd.IndexSlice[:, 2010]]
print(year_2010_data)

这里展示了两种不同的方式来做筛选：一种是指定确切的位置区间；另一种则是通过 `pd.IndexSlice[]` 来选取某一层上的固定值作为条件。

#### 访问单层或多层标签
当需要单独访问某个级别中的唯一标识符时，可调用 `.get_level_values()` 方法，并传入相应的 level 参数值（即第几层），从而返回该层内全部唯一的标记集合[^3]：

df = pop.unstack()  # 将 Series 转换为 DataFrame 形式以便更好地理解 get_level_values 的作用

state_labels = df.index.get_level_values(0).unique()
years = df.columns.get_level_values(0).unique()

print(f'State Labels:\n{state_labels}\n')
print(f'Years:\n{years}')

此部分代码先将原始序列转换成了表格视图，再分别提取出行方向上的一级分类以及列方向上的时间戳信息。