Python 在数据帧上设置多索引的最佳方法

我有一个带有以下列的数据框

df

：

Group
Year
Gender
Feature_1
Feature_2
Feature_3
...

我想稍后使用MultiIndex来堆叠数据，我尝试了以下方法：

df.index = pd.MultiIndex.from_arrays([df['Group'], df['Year'], df['Gender']])

---

此指令成功地为我的数据帧创建了多索引，但是否有更好的方法同时删除原始列？

在pandas中建立索引比这更容易。您不需要创建自己的MultiIndex类实例

pandas DataFrame有一个名为

.set_index（）

的方法，该方法将单个列作为参数或列列表。提供列列表将为您设置多索引

像这样：

df.set_index(['Group', 'Year', 'Gender'], inplace=True)

请注意

inplace=True

，这是我极力推荐的

当您处理的是几乎无法放入内存中的巨大数据帧时，就地操作将几乎占内存使用量的一半

考虑这一点：

df2 = df1.set_index('column') # Don't do this
del df1 # Don't do this

完成此操作后，内存使用量将与以前大致相同。但这只是因为我们做了

deldf1

。在这两个命令之间的时间内，将有两个相同数据帧的副本，因此，双内存

这样做隐含着相同的含义：

---

而且仍然需要两倍的内存。使用

df=df。设置索引（['Group'，'Year'，'Gender'））

谢谢，如果你能写下答案，我会接受它作为解决方案。

df1 = df1.set_index('column') # Don't do this either