Pandas高级操作：多级索引、窗口函数、数据透视表等

        在数据处理和分析中，pandas库提供了强大的功能，支持从简单到复杂的数据操作。本文将介绍一些pandas的高级操作，包括多级索引（MultiIndex）、窗口函数（Window Functions）、数据透视表与复杂聚合、数据合并与连接、高级数据变换以及时间序列数据的高级处理。

1. 多级索引（MultiIndex）

多级索引（MultiIndex）是pandas中一个非常有用的功能，它允许我们在一个轴上拥有多个（两个以上）索引级别。这对于处理具有层次结构的数据非常有用，例如，我们可以同时按厂商和产品对销售数据进行分组。

import pandas as pd
import numpy as np

# 创建多重索引的列表
arrays = [
    ['华为', '华为', '苹果', '苹果', '小米', '小米', '三星', '三星'],      # 厂商级别索引
    ['手机', '笔记本', '手机', '笔记本', '手机', '笔记本', '手机', '笔记本']  # 产品级别索引
]
# 从列表创建多重索引，并给索引级别命名
index = pd.MultiIndex.from_arrays(arrays, names=['厂商', '产品'])
# 创建数据框，使用多重索引作为行索引
# 假设华为的销量和销售额最高，其次是苹果，然后是小米，最后是三星
# 数据单位为“万”
sales_data = [1000, 800, 750, 600, 500, 400, 300, 200]  # 销量（单位：万）
revenue_data = [5000, 4000, 3750, 3000, 2500, 2000, 1500, 1000]  # 销售额（单位：万）
df = pd.DataFrame({'销量（万）': sales_data, '销售额（万）': revenue_data}, index=index)

print("原始数据框：")
print(df)

# 选择厂商为'华为'和产品为'手机'的数据
filtered_df = df.loc[('华为', '手机')]
print("\n选择厂商为'华为'和产品为'手机'的数据：")
print(filtered_df)

# 重塑数据框，将产品级别索引作为列
reshaped_df = df.unstack(level='产品')
print("\n重塑数据框，将产品级别索引作为列：")
print(reshaped_df)

运行结果： 

原始数据框：
        销量（万）  销售额（万）
厂商 产品                
华为 手机    1000    5000
   笔记本    800    4000
苹果 手机