2-3 复杂索引与多层切片

2-3 多层索引：分诊台的科室分区

本节摘要：MultiIndex给行（或列）挂上多级标签，让"门店-月份"这类天然两级结构住进一张表。本节讲set_index多列升格、元组取数、IndexSlice跨层切片、get_level_values按层取值，以及swaplevel与xs这两个解层器械。

分诊台的桌子原来只有一列抽屉（单层索引），现在病人多了，按"门店-月份"两级分区才放得下。多层索引是Pandas从"一张平面表"升级到"结构化数据"的第一道门槛，也是第05章透视表、第06章stack操作的地基。

造一张两级分诊表

import pandas as pd

df = pd.DataFrame({
    '门店': ['A', 'A', 'B', 'B', 'C'],
    '月份': ['1月', '2月', '1月', '2月', '1月'],
    '金额': [1280, 1350, 960, 1020, 880],
})

mi = df.set_index(['门店', '月份'])   # 两列同时升格，挂号条变成两级
print(mi)
#          金额
# 门店 月份
# A   1月   1280
#     2月   1350
# B   1月    960
#     2月   1020
# C   1月    880

print(mi.index)
# MultiIndex([('A', '1月'), ('A', '2月'), ('B', '1月'),
#             ('B', '2月'), ('C', '1月')], names=['门店', '月份'])
​

五条记录如今由(门店, 月份)这样的元组唯一标识。这就是多层索引的本质：挂号条从单个值变成元组。

元组叫号与跨层切片

# 完整元组：定位单行
print(mi.loc[('A', '1月')])
# 金额    1280
# Name: (A, 1月), dtype: int64

# 只给外层：叫出该门店整层
print(mi.loc['B'])
#      金额
# 月份
# 1月   960
# 2月  1020

# 外层切片：双闭规则在层内仍然生效
print(mi.loc['A':'B'])
#          金额
# 门店 月份
# A   1月   1280
#     2月   1350
# B   1月    960
#     2月   1020

# 内层切片必须借助IndexSlice，直接写loc['A', '1月':'2月']会歧义
idx = pd.IndexSlice
print(mi.loc[idx[:, '2月'], :])   # 所有门店的2月
#          金额
# 门店 月份
# A   2月   1350
# B   2月   1020
​

按层取值与解层器械

# get_level_values：拿到整层标签做布尔条件
mask = mi.index.get_level_values('月份') == '2月'
print(mi[mask].shape)   # (2, 1)

# xs：按某一层直接抽片，默认丢弃该层
print(mi.xs('2月', level='月份'))
#      金额
# 门店
# A    1350
# B    1020

# swaplevel：两层互换，方便按另一层切片
swapped = mi.swaplevel()
print(swapped.loc['2月'])
#    金额
# 门店
# A  1350
# B  1020
​

⚠️ 常见坑：xs默认drop_level=True，抽出来的表少了那一层。想让层保留着继续多层操作，加drop_level=False。另外未排序的MultiIndex上做局部切片会抛UnsortedIndexError，先sort_index()再切，几乎总能解决。

# 报错现场与处置
# mi.loc['A':'C'] 若索引乱序 → UnsortedIndexError
mi_sorted = mi.sort_index()
print(mi_sorted.loc['A':'B'].shape)  # (4, 1)
​

两级分诊表的解剖图

MultiIndex的层结构与取数路径

本节要点回顾

• 多列set_index生成元组挂号条，元组定位行、外层叫整层
• IndexSlice是内层切片的正规姿势
• xs按层抽片，drop_level参数决定层去留
• swaplevel换层重排，换个视角切片
• 乱序必先sort_index，否则局部切片直接抛异常

追问：多层索引还是拆成普通列

多层索引强大但语法税不轻，很多场景有更朴素的替代：groupby的聚合结果天然带层次索引，但加一句reset_index就回到普通宽表，后续布尔筛选、merge都更顺手。我的判断标准是层次索引是中间形态，普通列是协作形态：分析过程中用多层加速切片，交付给别人或接下游管线前摊平。一张表"长期住在多层索引里"通常说明结构选错了。

# 多层的聚合结果，两种归宿
agg = df.groupby(['门店', '月份'])['金额'].sum()
pivoted = agg.unstack('月份').fillna(0)     # 归宿一：透视成宽表
flat = agg.reset_index()                    # 归宿二：摊平成长表
print(flat)
#   门店  月份    金额
# 0   A  1月   1280
# 1   A  2月   1350
​

综合演练：从平面表到分区取数

一条完整的链路感受一下分区的价值：构造半年的门店月度数据，按两级分区后回答"B店3月到5月的走势"。

import pandas as pd
months = [f'{m}月' for m in range(1, 7)]
data = pd.DataFrame({
    '门店': ['A'] * 6 + ['B'] * 6,
    '月份': months * 2,
    '金额': [1000+m*50 for m in range(6)] + [800+m*120 for m in range(6)],
})
zone = data.set_index(['门店', '月份']).sort_index()
idx = pd.IndexSlice
print(zone.loc[idx['B', '3月':'5月'], '金额'].tolist())
# [1160, 1280, 1400]
​

建好分区再取数，一行完成"B店、3到5月、金额"的立体查询。平面表上等价的写法需要两层布尔条件，行数一多差距更明显。

分诊台的工作到此完备。下一章病人进入内科检查室：缺失值与重复记录，那才是脏数据真正的主战场。