有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
2、set_index和reset_index
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
2、set_index和reset_index
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
2、set_index和reset_index
3、指定level的相關方法
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
2、set_index和reset_index
3、指定level的相關方法
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
2、set_index和reset_index
3、指定level的相關方法
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
2、set_index和reset_index
3、指定level的相關方法
有的夥伴想學用Pandas做多層級索引，但不知道從何學起，難度肯定會有的，還是得掌握方法的！
Pandas庫的名字來源於其中3種主要數據結構開頭字母的縮寫：Panel,Dataframe,Series。其中Series表示一維數據，Dataframe表示二維數據，Panel表示三維數據。當數據高於二維時，一般卻不用 Panel 表示，為什麼呢？如果不用 Panel，又該怎麼做呢？
實際上，當數據高於二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數據更加直觀，操作數據更加靈活，並且可以表示3維，4維乃至任意維度的數據。具體要怎麼做呢？下面我們就從多層級索引的創建、取值與操作等內容教大家一些方法！
一、多層級索引的創建
1、指定多維列表作為columns
2、使用pd.MultiIndex中的方法顯式生成多層級索引
可以使用pd.MultiIndex中的from_tuples等方法生成多層級索引。
3、使用set_index方法將普通列轉成多層級索引
這種方法只能生成多層級行索引。
4、groupby和pivot_table等方法也可以生成帶有多層級索引的結果
二、多層級索引的取值
多層級索引Series或多層級DataFrame支持方括號直接取值，loc取值，和pd.IndexSlice切片取值等方法。
1、多層級Series的取值
2、多層級DataFrame的取值
三、多層級索引相關操作
多層級索引相關操作包括stack和unstack,set_index和reset_index，以及指定level的相關方法。
1、stack和unstack
2、set_index和reset_index
3、指定level的相關方法
夥伴們那些地方不清楚的可以留言哦！