步骤1、环境准备
右击桌面上选择【Open in Terminal】 打开终端。
在弹出的终端中输入【ipython】进入Python的解释器中,如图1所示。

步骤2、导入所需要的包
导入实验常用的python包。如图2所示。
【import pandas as pd】pandas用来做数据处理。
【import numpy as np】numpy用来做高维度矩阵运算.
【import matplotlib.pyplot as plt】matplotlib用来做数据可视化。

步骤3、正式实验
数据维度转换,如图3所示。
【df = pd.Series(np.random.randn(10),index=[[‘a’,’a’,’a’,’b’,’b’,’b’,’c’,’c’,’d’,’d’], [‘1’,’2’,’3’,’1’,’2’,’3’,’1’,’2’,’2’,’3’]])】生成一个有多层索引数据
【df】查看生成的数据
【df.unstack()】将数据处理为高纬度数据
【df.unstack().stack()】将高纬度处理为低纬度


数据获取,如图4所示。
【df】查看数据
【df[‘a’]】以外层索引的方式获取数据
【df[:,’2’]】以内层索引的方式获取数据

DataFrame数据排序,如图5所示。
【df2 = pd.DataFrame(np.random.randn(10,4),index=[[‘a’,’a’,’a’,’b’,’b’,’b’,’c’,’c’,’d’,’d’],[‘1’,’2’,’3’,’1’,’2’,’3’,’1’,’2’,’2’,’3’]],columns=[[‘A’,’A’,’B’,’B’],[‘1’,’2’,’1’,’2’]])】生成数据
【df2.index.names=[‘key1’,’key2’]】对行索引指定名称
【df2.columns.names=[‘value1’,’value2’]】对列索引指定名称
【df2】查看生成的数据
【df2.swaplevel(‘key1’,’key2’)】将两个索引互换位置
【df2.sortlevel(0)】按key1列进行排序
【df2.sum(level=’key1’)】将key1进行求和



