Définir un MultiIndex sur un DataFrame avec set_index()

Fonctions :

• df.set_index()

  La fonction set_index() de pandas permet de définir un ou plusieurs colonnes comme index d'un DataFrame. Lorsqu'on utilise plusieurs colonnes, elle crée un MultiIndex, ce qui signifie que le DataFrame sera indexé par plusieurs niveaux. Cela est particulièrement utile lorsque vous souhaitez effectuer des opérations de regroupement, de sélection ou de manipulation en utilisant des combinaisons de plusieurs colonnes. L'index peut être modifié directement dans le DataFrame en définissant l'option inplace=True, ou peut être retourné comme un nouveau DataFrame si cette option est omise (par défaut, inplace=False).

  Importation :

  import pandas as pd

  Attributs :

  Paramètre	Type	Description	Valeur par défaut
  keys	list, set	Liste ou ensemble de colonnes à utiliser comme index.	None
  inplace	bool	Si True, modifie directement le DataFrame sans retourner de copie. Par défaut, False.	False
  drop	bool	Si True, les colonnes utilisées pour l'index seront supprimées du DataFrame. Par défaut, True.	True
  append	bool	Si True, ajoute les colonnes spécifiées à l'index existant au lieu de le remplacer. Par défaut, False.	False

  Exemple de code :

  import pandas as pd
  
  # Création d'un DataFrame exemple
  df = pd.DataFrame({
      'col1': ['A', 'A', 'B', 'B'],
      'col2': [1, 2, 1, 2],
      'valeur': [10, 20, 30, 40]
  })
  
  # Définir un MultiIndex avec les colonnes 'col1' et 'col2'
  df_multiindex = df.set_index(['col1', 'col2'])
  
  # Affichage du DataFrame avec MultiIndex
  print(df_multiindex)

  Explication du code :

  
  
   	
  df.set_index(['col1', 'col2']) :
  
   	
  Cette ligne permet de définir les colonnes col1 et col2 comme index du DataFrame.
   	
  Le résultat sera un MultiIndex avec deux niveaux, où le premier niveau est basé sur les valeurs de col1 et le second niveau sur celles de col2.
  
  
   	
  Option inplace=True :
  
   	
  Si vous souhaitez modifier le DataFrame en place sans créer une nouvelle variable, vous pouvez ajouter inplace=True. Cela ne retournera rien, mais le DataFrame original sera modifié.
  
  
  
  🔹 Remarques pratiques
  
   	
  
  Manipulation des index :
  Le MultiIndex facilite l'accès et la manipulation des données en plusieurs niveaux. Par exemple, vous pouvez accéder aux données d'un certain niveau de l'index en utilisant df.loc['A'] pour obtenir toutes les lignes où col1 est égal à 'A'.
  
   	
  
  Fonctionnalité d'agrégation :
  Le MultiIndex est souvent utilisé avec des fonctions d'agrégation (comme groupby() ou pivot_table()) pour effectuer des opérations sur des sous-ensembles de données.
  
   	
  
  Réinitialiser l'index :
  Si vous souhaitez revenir à un index simple après avoir défini un MultiIndex, vous pouvez utiliser la fonction reset_index(). Cela supprimera le MultiIndex et ajoutera les niveaux d'index en tant que colonnes normales.