import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,3))
names = ['張三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([names,exam])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
# print(df)
df

index = pd.MultiIndex.from_product([exam, names])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
# print(df)
df

import pandas as pd
s = pd.Series([1,2,3,4,5,6],index=[['張三','張三','李四','李四','王五','王五'],
                  ['期中','期末','期中','期末','期中','期末']])
print(s)

s['李四']

# 注意：[]取值方式，不可直接使用最外層以外的其他層級，例如：s['期末']

s['李四', '期中'] # 李四期中分值

# 注意：['張三','期末']他們的順序不能變。剝洋蔥原則，從外到內一層一層的剝。

s[:,'期中'] # 第一個值為全部的外索引

# loc 使用方式與 [] 的方式基本一樣

s.loc['張三']
s.loc['張三','期中']
s.loc[:,'期中']

# iloc 的取值并不會受多層索引影響，只會根據數據的位置索引進行取值, 不推薦

import pandas as pd
import numpy as np
#size參數是指定生成6行3列的數組
data = np.random.randint(0,100,size=(6,3))
names = ['張三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([names,exam])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
df

# df.loc['張三','期中']
# df.loc['張三'].loc['期中']
# df.loc[('張三','期中')]

import pandas as pd
data = np.random.randint(0,100,size=(9,3))
key1 = ['b','c','a']
key2 = [2,1,3]
index = pd.MultiIndex.from_product([key1,key2])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])

df 

df.sort_index()

# 當level=0時，ascending=False, 會根據第一層索引值進行降序排序
df.sort_index(level=0,ascending=False)

# 當level=1時，會根據第二層索引值進行降序排序

df.sort_index(level=1,ascending=False)

# 數據會根據第二層索引值進行相應的降序排列，
# 如果索引值相同時會根據其他層索引值排列