层次化索引（hierarchical indexing）使你能够在一个轴上拥有两个或多个索引级别，它能使你以低纬度形式处理高纬度的数据。

创建Series，并用由列表或数组组成的列表作为索引

data = Series(np.random.randn(10),
              index=[['a', 'a', 'a', 'b', 'b', 'b', 'c', 'c', 'd', 'd'],
                     [1, 2, 3, 1, 2, 3, 1, 2, 2, 3]])

a  1    0.670216
   2    0.852965
   3   -0.955869
b  1   -0.023493
   2   -2.304234
   3   -0.652469
c  1   -1.218302
   2   -1.332610
d  2    1.074623
   3    0.723642
dtype: float64

查看索引

data.index

MultiIndex(levels=[['a', 'b', 'c', 'd'], [1, 2, 3]],
           labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])

选取数据子集

data['b']

1   -0.023493
2   -2.304234
3   -0.652469
dtype: float64

通过切片选取数据子集

data['b':'c']

通过ix选取数据子集

data.ix[['b', 'd']]

选取内层的数据子集

data[:, 2]

a    0.852965
b   -2.304234
c   -1.332610
d    1.074623
dtype: float64

层次化索引在数据重塑和基于分组的操作（如透视表生成）中扮演重要角色。

比如，上面数据通过unstack方法重新安排到DataFrame

data.unstack()


        1            2            3
a    0.670216    0.852965    -0.955869
b    -0.023493    -2.304234    -0.652469
c    -1.218302    -1.332610    NaN
d    NaN    1.074623    0.723642

unstack的逆运算是stack

data.unstack().stack()

对于每个DataFrame，每条轴都可以分层索引

frame = DataFrame(np.arange(12).reshape((4, 3)),
                  index=[['a', 'a', 'b', 'b'], [1, 2, 1, 2]],
                  columns=[['Ohio', 'Ohio', 'Colorado'],
                           ['Green', 'Red', 'Green']])

                 Ohio       Colorado
             Green    Red   Green
a    1    0    1    2
        2    3    4    5
b    1    6    7    8
        2    9    10    11

为它们指定名字

frame.index.names = ['key1', 'key2']
frame.columns.names = ['state', 'color']
frame

选取列分组

frame['Ohio']

重排分级顺序

frame.swaplevel('key1', 'key2')

而sortlevel则根据单个级别中的值对数据进行排序

frame.sortlevel(1)
frame.swaplevel(0, 1).sortlevel(0)

根据级别汇总统计

frame.sum(level='key2')
frame.sum(level='color', axis=1)

使用DataFrame的列

frame = DataFrame({'a': range(7), 'b': range(7, 0, -1),
                   'c': ['one', 'one', 'one', 'two', 'two', 'two', 'two'],
                   'd': [0, 1, 2, 0, 1, 2, 3]})
frame

DataFrame的set_index可以将一个或多个列转换为行索引，并创建新的DataFrame

frame2 = frame.set_index(['c', 'd'])
frame2

默认，那些列会从DataFrame移除，但也可以将其保留下来

frame.set_index(['c', 'd'], drop=False)

reset_index可以将层次化索引的级别转移到列

frame2.reset_index()