当Pandas表中有多个索引值时，Pandas multiindex函数可以帮助我们处理这个问题。本文将详细介绍如何使用Python中的multiindex函数。下面进入正题。
什么是MultiIndex？
MultiIndex是指一个数据表格有多个索引，这些索引用于描述不同层次的数据，有时也称为层次索引。使用多索引可以方便地处理复杂数据集。例如，在分析股票数据时，您可能希望将股票代码和日期作为索引。MultiIndex将这些索引组合成一个元组，以提供对多索引数据的支持。
创建MultiIndex
您可以在创建数据框时设置多层索引，也可以使用MultiIndex类手动创建一个多层索引。这里我们介绍如何手动创建MultiIndex。例如，我们将创建一个包含两个层次的索引，一个用作行索引，另一个用作列索引。我们演示如下：
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]})
print(df)
# 手动创建多层索引
index = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1), ('b', 2)])
columns = ['A', 'B']
df = pd.DataFrame([[1, 5], [2, 6], [3, 7], [4, 8]], index=index, columns=columns)
print(df)
以上代码中，我们创建了一个包含’A’列和’B’列的DataFrame。然后，我们使用from_tuples()方法手动创建索引。该方法将元组列表转换为多索引对象。在这里，我们使用元组列表设置索引值。
索引和查询MultiIndex
在多索引DataFrame中，您可以使用loc()和iloc()属性执行基于索引的查询。
下面我们来演示一个基于索引的查询的例子：
import pandas as pd
# 创建MultiIndex对象
raw_index = pd.MultiIndex.from_product([['A', 'B'], ['a', 'b']])
# 创建DataFrame对象
df = pd.DataFrame({'X': [1,2,3,4], 'Y': [5,6,7,8]}, index=raw_index)
# 选取A行数据中的a数据
a = df.loc[('A', 'a')]
print(a)
以上代码中，我们首先手动创建一个两层索引。再创建一个DataFrame，将这两层索引用于索引及将X和Y列的数据添加到DataFrame中。
接下来，我们可以通过索引值执行查询，例如选取A行数据中的a数据。
Pandas允许您在多层索引DataFrame中使用切片语法。例如，要选择所有行中的A子索引，您可以使用以下代码：
filtered_df = df.loc['A']
print(filtered_df)
使用该方法，您可以执行基于索引的查询和过滤，以便在多层索引DataFrame中选择数据。
暂时就讲到这里，希望对你有帮助！