本章重点内容：
1、分层索引
2、联合与合并数据集
3、重塑和透视
接下来分别详细说明
1、分层索引
分层索引是pandas的重要特性，先看一个分层结构的数据，如下：
通过分层索引，可以简洁的选择出数据的子集，如下：
既然是分层索引，不仅仅局限在外层索引，还可以通过”内层“进行选择，如下：
分层索引的数据，可以通过unstack函数进行重新排列，如下：
当然，也可以通过stack函数进行反向操作，如下：
上面的数据案例是Series类型，DataFrame数据对象也是可以的，而且每个轴都可以拥有分层索引，看一个DataFrame的数据，如下：
分层索引可以选择不同的列，如下：
2、联合与合并数据集
数据库风格的DataFrame连接
合并或连接操作通过一个或多个键连接行来联合数据集，pandas中的merge函数主要用于将各种join操作算法运用在数据上
先看两个数据：
数据1：
数据2：
这两个数据有共同的列”key“，所以如果把这两个数据连接在一起，就可以使用merge函数，如下：
如果没有指定连接的列，merge函数会自动寻找两个数据中相同的列来进行连接，当然，你也可以通过指定列来连接，这是更显示的方式，如下：
从结果你会发现，没有c和d的数据，merge函数默认情况下做的是内连接，也就是两个数据的交集，可以调整参数选择不同的连接方式，如下：
沿轴向连接
另一种数据组合操称为拼接，NumPy的concatenate函数可以实现该功能，如下：
先看一个数组数据：
如果想在每行都重复一次数据数据，可以通过拼接实现，如下：
在pandas中有一个concat函数能实现更多的功能，如下：
可以连接Series类型数据
通过concat函数可以直接拼接在一起，如下：
concat实现的功能是拼接，和前面讲过的merge函数不一样，如果对同样的数据，使用concat函数，你就发现他们两个的差异，如下：
只是把两个数据拼接在一起，没有对应关系
3、重塑和透视
在调整数据的时候，需要”长“和”宽“之间转换，这个时候可以使用pivot和melt两个函数
首先看一个数据，如下：
针对这个数据，可以用key作为分组指标，melt函数会进行转换，如下：
pivot函数是melt函数的反向操作，可以将数据恢复原样，如下：
以上就是本章重点内容，祝学习愉快
以下链接，可以供你了解这个系列学习笔记的所有章节最新进度