Python是目前最流行最简单用途最广泛的编程语言，大数据时代最应该学习的一门编程语言。其中，数据分析的库pandas是Python最经典的库之一。现在我们看一下Series的层次化索引的例子。1pandas基础之索引、选取、过滤（Series）
工具/原料
1
python
2
anaconda，spyder
3
DataFrame，Series
方法/步骤
1
前提：加载numpy,pandas和Series,DataFrame。生成一个层次索引的Series，命名为s1，如图
2
使用s1.index可以查看MultiIndex索引的层次化索引；使用s1['c']查看外层是‘c’的数据；使用s1['b':'c']查看外层是‘b’和‘c’的数据（连续）；如图
3
如果外层两个索引不连续，那么需要使用s1[['a','d']]或者s1.loc[['a','d']]即可取出外层索引为‘a’和‘d’的数据，如图所示
4
如果需要取出内层为‘2’的数据，那么使用s1[:,'2']即可，如图
5
层次化索引的重塑（类似excel的数据透视表）功能。s1.unstack(level=-1)和s1.unstack(level=0)分别是表示将内层和外层转化为列；unstack的逆运算是stack，具体如图
注意事项
1
层次化索引连续可以使用冒号（'：'）,不连续的要使用loc或者用中括号等
2
取出s1的内层索引为'2'的数据，使用s1[:,'2']
3
unstack中level=-1表示内层转换到列，level=0表示外层转换到列，其实还有一个fill_value参数用来填充缺失值的
4
Series.unstack()参数level可以取-1和0，而stack（）参数level只能取-1，也就是说s1.unstack(level=0).stack()返回的并不是原s1