一维数据 和 二维数据 分别使用Series 和 DataFrame 对象存储。
多维数据：数据索引 超过一俩个 键。
Pandas提供了Panel 和 Panel4D对象 解决三维数据和四维数据。
实践中，更直观的形式是通过 层级索引（Hierarchical indexing, 多级索引 = 》 muti-indexing）
配合 多个不同 等级的一级索引 一起使用。
本节介绍 MultiIndex对象的使用，以及 普通索引 与 层级索引的转换
多级索引Series
笨方法
好方法： MultiIndex
上面的笨方法 是用元组来表示索引 就是 多级索引的基础。
可以用元组创建一个多级索引
levels 属性表示索引的等级 。
前面的 Series对象 使用索引重置（reindex）就转换为MultiIndex
切片获取 2010 年的数据
高维数据的多级索引
可以使用一个带行 列 索引的 简单DataFrame 代替前面的多级索引。
unstack()方法可以快速将一个多级索引的Series 转换为普通索引的DataFrame.
stack()方法 反过来
why:
可以使用含多级索引的一维Series 表示 二维数据，
就可以使用
Series 或DataFrame 表示 三维 甚至更高维度的数据。
多级索引 每 增加 以及，就表示数据增加一维。
比如：增加一列显示每一年 各州的人口统计指标。
对于带有MultiIndex的对象。增加一列，就和DataFrame一样简单。
多级索引创建方法
为Series 和 DataFrame 创建多级索引 最 直接 的办法就是将index参数设置为至少 二维的索引数组。
同理，将元组作为键的字典传递给Pandas, Pandas也会默认转换为MultiIndex
显示的创建多级索引
- 一个不同等级的若干简单数组组成的列表来构见MultiIndex
2) 包含多个索引值得元组构成的列表
3） 俩个索引的笛卡尔积
4）直接提供levels ，注意老版本是labels,新版本是code了。
在创建Series 或 DataFrame时，可以将这些对象作为index参数。 或者通过reindex方法更新Series/DataFrame.
多级索引的等级名称
多级列索引
行与列是对称的。
多级索引的取值与切片
1）Series多级索引
单个元素
局部取值
局部切片
较低层级的索引
布尔掩码
花哨索引
2）DataFrame多级索引
DataFrame的基本索引是列索引。
传递多个层级的索引元组
2022年5月31日23:18:51
多级索引行列转换
1） 有序的索引和无序的索引
如果MultiIndex不是有序的索引，那么大多数切片操作都会失败。
局部切片要求MultiIndex各级索引 有序。 按照字典序。
索引排序。 sort_index() sortlevel()
- 索引stack与unstack
unstack 将一个多级的索引数据 转为 简单的二维形式， level 设置转换的索引层级。
levle=1
stack是unstack的逆操作。
3）索引的设置 与 重置
层级数据维度转换的另一种方法是 行列标签转换。
可以通过reset_index方法实现。
Series中使用该方法， 会生成一个列标签中包含之前行索引 标签的state 和 year的 DataFrame.
set_index 逆操作。
多级索引的数据累计方法
可以设置参数 level实现对数据子集的累计操作。
增加axis参数。就可以累计了
