学习时间：2019/11/03 周日晚上23点半开始，计划1110学完
学习目标：Page218-249，共32页；目标6天学完（按每页20min、每天1小时/每天3页，需10天）
实际反馈：实际XXX学完，耗时X天，X小时，平均每页X分钟。
实际应用中，数据可能分散在许多文件或数据库中，存储的形式也不利于分析。本章关注可以聚合、合并、重塑数据的方法。
8.1 层次化索引
层次化索引（hierarchical indexing）是pandas的一项重要功能，它使得能在一个轴上拥有多个（两个以上）索引级别。抽象点说，它使得能以低维度形式处理高维度数据。
看以下例子，创建一个Series并用一个由列表或数组组成的列表作为索引：
Ps：以上结果是经过美化的带有MultiIndex索引的Series的格式。
1）对于一个层次化索引的对象，可使用所谓的部分索引，使用它选取数据子集的操作更简单：
还可以在"内层"中进行选取：
2）层次化索引在数据重塑和基于分组的操作（如透视表生成）中扮演着重要的角色。如，可通过unstack方法将这段数据重新安排到一个DataFrame中：
其中，unstack的逆运算时stack：
8.1.1 重排与分级排序
8.1.2 根据级别汇总统计
8.1.3 使用DataFrame的列进行索引
8.2 合并数据集
8.2.1 数据库风格的DataFrame合并
8.2.2 索引上的合并
8.2.3 轴向连接
8.2.4 合并重叠数据
8.3 重塑和轴向旋转
8.3.1 重塑层次化索引
8.3.2 将"长格式"旋转为"宽格式"
8.3.3 将"宽格式"旋转为"长格式"
8.4 总结
至此，已经掌握了pandas数据导入、清洗、重塑，可进一步学习matplotlib数据可视化。稍后会回到pandas，学习更高级的分析。
利用Python进行数据分析 第8章 数据规整：聚合、合并和重塑.md
原文：https://www.cnblogs.com/ElonJiang/p/11789939.html