Créer un MultiIndex

Un MultiIndex (également appelé index hiérarchique) permet à un DataFrame ou à une Series Pandas de posséder plusieurs niveaux d’étiquettes de lignes. Considérez-le comme une clé composite dans une base de données : au lieu d’identifier une ligne par une seule étiquette, vous l’identifiez par un tuple tel que (pays, ville) ou (année, trimestre). Les MultiIndexes sont indispensables pour représenter des données de panel, des séries temporelles transversales et tout jeu de données présentant naturellement une structure de regroupement à deux niveaux.

pd.MultiIndex.from_tuples(list_of_tuples, names=) est la manière la plus explicite de créer un MultiIndex. Chaque tuple devient une étiquette de ligne et ses éléments deviennent les niveaux. Le paramètre names attribue une étiquette à chaque niveau (par exemple ['year', 'quarter']). Cette méthode est utile lorsque vous disposez d’une liste prédéfinie de clés composites que vous souhaitez utiliser comme index de lignes.

pd.MultiIndex.from_product(iterables, names=) crée un MultiIndex à partir du produit cartésien de plusieurs listes — c’est-à-dire de toutes les combinaisons d’éléments des listes d’entrée. Il s’agit de la méthode la plus pratique lorsque toutes les combinaisons de niveaux doivent exister dans vos données. Par exemple, toutes les combinaisons de 3 années × 4 trimestres × 5 régions créent automatiquement un panel équilibré de 60 lignes.

En pratique, la manière la plus courante de créer un MultiIndex consiste à partir d’un DataFrame ordinaire contenant des colonnes de regroupement, puis à appeler df.set_index([col1, col2]). Cette opération transforme ces colonnes de données en niveaux d’index. Le résultat est identique à celui obtenu en construisant l’index à partir de zéro avec from_tuples, mais elle ne nécessite qu’une seule ligne à partir de données tabulaires.

Un MultiIndex stocke ses données dans des niveaux (les valeurs uniques de chaque niveau) et des codes (des pointeurs entiers vers les tableaux de niveaux). Inspectez les niveaux avec df.index.levels ou df.index.get_level_values(level). Utilisez df.index.nlevels pour vérifier le nombre de niveaux existants. L’attribut names répertorie le nom attribué à chaque niveau — définissez ces noms avec df.index.set_names(['level0', 'level1']).

Un MultiIndex peut également être appliqué aux colonnes, créant ainsi une hiérarchie d’étiquettes de colonnes. Cette organisation est courante lorsque vous stockez plusieurs métriques pour chaque catégorie dans une présentation de type tableau croisé — par exemple, (revenu, T1), (revenu, T2), (coût, T1), (coût, T2). Accédez aux colonnes dotées d’un MultiIndex de la même manière qu’aux lignes — en utilisant des tuples. Créez un MultiIndex de colonnes avec pd.MultiIndex.from_product et affectez-le à df.columns.

Lorsque vous appelez groupby([col1, col2]).agg(...), le DataFrame obtenu possède un MultiIndex sur ses lignes (les deux clés de groupby deviennent les deux niveaux de l’index) et éventuellement un MultiIndex sur ses colonnes (si vous agrégez plusieurs métriques). C’est la manière la plus courante de rencontrer un MultiIndex dans l’analyse de données quotidienne — comprendre comment le parcourir est essentiel pour travailler avec les résultats de groupby.

Utilisez df.swaplevel() pour échanger deux niveaux d’index, et df.reorder_levels([...]) pour modifier l’ordre de tous les niveaux. Le réordonnancement est utile lorsque vous souhaitez effectuer une sélection en commençant par un niveau interne, ou lorsque deux DataFrames ont leurs niveaux d’index dans un ordre différent et doivent être alignés avant une fusion. Après le réordonnancement, appelez toujours sort_index() pour rétablir l’ordre lexicographique et permettre une sélection efficace.

La sélection dans un MultiIndex n’est efficace que lorsque l’index est trié par ordre lexicographique. Vérifiez si l’index est trié avec df.index.is_monotonic_increasing. Si le résultat est False, effectuez le tri avec df.sort_index(). Un MultiIndex non trié déclenche un PerformanceWarning lors des opérations de sélection par tranche et peut renvoyer des résultats incorrects dans certains cas particuliers — effectuez toujours le tri après avoir créé ou modifié un MultiIndex.

Appelez df.reset_index() pour reconvertir tous les niveaux d’index en colonnes ordinaires, en laissant au DataFrame un simple RangeIndex entier. Il s’agit d’un schéma courant après des agrégations avec groupby : calculez le résumé groupé avec un MultiIndex, puis réinitialisez l’index pour obtenir un DataFrame aplati, adapté aux opérations Pandas ultérieures, aux fusions ou à l’exportation vers un fichier CSV. Utilisez reset_index(level='name') pour réinitialiser un seul niveau d’un index à deux niveaux.

Utilisez un MultiIndex lorsque vos données présentent une structure hiérarchique naturelle : séries temporelles avec une granularité inférieure à la journée (date + heure), données en panel (entité + période), ou regroupements imbriqués (pays + région + ville). Évitez les MultiIndexes pour de simples clés de regroupement à deux colonnes lorsqu’un DataFrame aplati avec des colonnes séparées est tout aussi lisible. Si vous devez constamment appeler reset_index() simplement pour accéder aux données, cela indique probablement que le MultiIndex n’apporte pas de réelle valeur dans votre flux de travail.

Dans cette leçon, vous avez appris que les MultiIndexes fournissent des étiquettes hiérarchiques de lignes (ou de colonnes) à l’aide de tuples. Ils peuvent être créés avec from_tuples, from_product ou set_index appliqué à plusieurs colonnes, et doivent toujours être triés pour permettre un découpage efficace. Nous allons maintenant voir comment sélectionner des données dans un MultiIndex à l’aide de .loc, de tuples, de tranches et de l’outil IndexSlice.