Pandas 在多索引列上融化，无需手动指定级别 (Python 3.5.1)

Pandas

使用Pandas库可以方便地处理多索引列的数据，并且在融化（melt）操作时无需手动指定级别。Pandas是一个强大的数据分析工具，它提供了许多功能和方法，可以帮助我们轻松处理各种数据集。

在处理多索引列时，融化操作是将数据从宽格式（wide format）转换为长格式（long format）的常用方法。长格式的数据更适合进行分析和可视化，因为它将每个实体的所有变量值都放在一列中。

融化操作的语法如下：

Pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

其中，frame参数是要进行融化操作的数据框，id_vars参数是要保留的标识变量，value_vars参数是要融化的变量列，var_name参数是融化后的变量名列的名称，value_name参数是融化后的值列的名称，col_level参数是要融化的多级索引列的级别。

在进行融化操作时，如果数据框中存在多级索引列，Pandas会自动检测并融化所有的级别，无需手动指定。

接下来，我们来看一个具体的案例代码。假设我们有一个包含多级索引列的数据框，表示不同城市在不同季度的销售情况：

 Python
import Pandas as pd
# 创建示例数据框
data = pd.DataFrame({'城市': ['北京', '北京', '上海', '上海'],
                     '季度': ['Q1', 'Q2', 'Q1', 'Q2'],
                     '销售额': [1000, 2000, 1500, 1800],
                     '利润': [100, 200, 150, 180]})
data.set_index(['城市', '季度'], inplace=True)
print("原始数据框：")
print(data)
# 融化操作
melted_data = pd.melt(data, var_name='指标', value_name='值')
print("融化后的数据框：")
print(melted_data)

以上代码中，我们首先创建了一个包含多级索引列的数据框，然后使用pd.melt()函数对数据进行融化操作。融化后的数据框将每个城市和季度的销售额和利润放在了一列中，方便后续分析和可视化。

融化后的数据框：

   城市 季度  指标    值
0  北京  Q1  销售额  1000
1  北京  Q2  销售额  2000
2  上海  Q1  销售额  1500
3  上海  Q2  销售额  1800
4  北京  Q1   利润   100
5  北京  Q2   利润   200
6  上海  Q1   利润   150
7  上海  Q2   利润   180

从上述案例中可以看出，使用Pandas在多索引列上进行融化操作非常简单。无需手动指定级别，Pandas会自动检测并融化所有的级别。融化后的数据框将每个实体的所有变量值都放在了一列中，方便进行后续的分析和可视化。