Hier is een overzicht met Python-codevoorbeelden en uitleg over het werken met hiërarchische (multi-index) DataFrames in Pandas: 1. **Aanmaken van een voorbeeld DataFrame met hiërarchische index:** ```python import pandas as pd # Data definiëren data = { ('USA', 2020): 100, ('USA', 2021): 150, ('Canada', 2020): 80, ('Canada', 2021): 90 } # DataFrame maken met MultiIndex index = pd.MultiIndex.from_tuples(data.keys(), names=['Land', 'Jaar']) df = pd.DataFrame(list(data.values()), index=index, columns=['Waarde']) print(df) ``` 2. **Selecteren van data op specifiek niveau:** - Data voor een specifiek land: ```python # Data voor USA usa_data = df.loc['USA'] print(usa_data) ``` - Data voor een specifiek jaar: ```python # Data voor jaar 2020 jaar_2020 = df.xs(2020, level='Jaar') print(jaar_2020) ``` 3. **Index resetten en instellen:** - Resetten naar een gewone DataFrame-index: ```python df_reset = df.reset_index() print(df_reset) ``` - Instellen van de index op basis van kolommen: ```python df_indexed = df_reset.set_index(['Land', 'Jaar']) print(df_indexed) ``` 4. **Slicen van multi-index DataFrame:** - Slicen op een specifiek land en jaar: ```python # Data voor Canada in 2021 canada_2021 = df.loc[('Canada', 2021)] print(canada_2021) ``` - Gebruik maken van `.xs()` voor cross-section: ```python # Alle data voor land 'USA' usa = df.xs('USA', level='Land') print(usa) # Alle data voor jaar 2020 jaar_2020 = df.xs(2020, level='Jaar') print(jaar_2020) ``` 5. **Aggregatie over verschillende indexniveaus:** - Gemiddelde waarde per land: ```python gemiddeld_per_land = df.groupby(level='Land').mean() print(gemiddeld_per_land) ``` - Totaal per jaar: ```python totaal_per_jaar = df.groupby(level='Jaar').sum() print(totaal_per_jaar) ``` 6. **Best practices:** - Gebruik `.loc[]` voor label-gebaseerde selectie. - Gebruik `.xs()` voor cross-sectie selectie op een bepaald niveau. - Reset de index niet tenzij nodig voor verdere bewerkingen, omdat een multi-index vaak handig is voor groeperingen en selecties. - Wanneer je vaak op een bepaald niveau selecteert, overweeg dan om dat niveau als index te behouden voor efficiëntie. - Voor complexe slicing, combineer `.loc[]` en `.xs()`. **Kort samengevat:** Een multi-index maakt het mogelijk om complexe hiërarchieën te modelleren en efficiënt te selecteren, groeperen en aggregeren. Het juiste gebruik van `.loc[]`, `.xs()`, en `.groupby()` helpt om data overzichtelijk te houden en snel te bewerken. Heeft u specifieke bewerkingen waar u hulp bij nodig hebt?

Zeker, hier is een uitgebreide uitleg over het werken met multi-index DataFrames in Pandas: ## Basisopbouw van de DataFrame ```python import pandas as pd import numpy as np # Aanmaken van de DataFrame data = { ('USA', 2020): 100, ('USA', 2021): 150, ('Canada', 2020): 80, ('Canada', 2021): 90 } # Creëren van multi-index DataFrame index = pd.MultiIndex.from_tuples(data.keys(), names=['Land', 'Jaar']) df = pd.DataFrame(list(data.values()), index=index, columns=['Waarde']) print(df) ``` ## Data selecteren op specifieke niveaus ```python # Selectie op eerste indexniveau (Land) print(df.loc['USA']) # Alle jaren voor USA # Selectie op tweede indexniveau (Jaar) print(df.xs(2020, level='Jaar')) # Alle landen voor 2020 # Cross-section met xs (meer flexibel) print(df.xs('Canada', level='Land')) # Alle jaren voor Canada # Meerdere waarden selecteren print(df.loc[['USA', 'Canada']]) # Beide landen ``` ## Index resetten en instellen ```python # Resetten van index (maakt gewone kolommen) df_reset = df.reset_index() print(df_reset) # Terugzetten als multi-index df_multi = df_reset.set_index(['Land', 'Jaar']) print(df_multi) # Alleen specifieke niveaus resetten df_partial_reset = df.reset_index(level='Jaar') print(df_partial_reset) ``` ## Slicing van multi-index DataFrames ```python # Slicing met loc print(df.loc[('USA', 2020):('USA', 2021)]) # Range voor USA # Slicing met pd.IndexSlice idx = pd.IndexSlice print(df.loc[idx['USA', :], :]) # Alle jaren voor USA print(df.loc[idx[:, 2020], :]) # Alle landen voor 2020 # Complexe slicing print(df.loc[idx[['USA', 'Canada'], 2020:2021], :]) ``` ## Aggregatie over indexniveaus ```python # Som per land (aggregeer over jaren) print(df.groupby(level='Land').sum()) # Gemiddelde per jaar (aggregeer over landen) print(df.groupby(level='Jaar').mean()) # Meerdere aggregaties print(df.groupby(level='Land').agg(['sum', 'mean', 'std'])) # Aggregatie met eigen functies print(df.groupby(level='Jaar').agg(lambda x: x.max() - x.min())) ``` ## Geavanceerde bewerkingen ```python # Sorteren op index df_sorted = df.sort_index() print(df_sorted) # Unstacken (pivotten) df_unstacked = df.unstack('Jaar') print(df_unstacked) # Stacken (terug naar multi-index) df_stacked = df_unstacked.stack() print(df_stacked) # Queryen met multi-index print(df.query('Land == "USA" and Jaar > 2020')) ``` ## Best practices en tips 1. **Naam je indexniveaus altijd**: ```python df.index.names = ['Land', 'Jaar'] # Als ze nog geen namen hebben ``` 2. **Gebruik `xs()` voor cross-section selects** - het is efficiënter dan complexe loc statements 3. **Wees voorzichtig met slicing** - multi-index slicing kan onverwachte resultaten geven als de index niet gesorteerd is 4. **Gebruik `sort_index()`** voor betere prestaties bij grote DataFrames 5. **Overweeg `unstack()`/`stack()`** voor het transformeren tussen wide en long format 6. **Gebruik `pd.IndexSlice`** voor complexe slicing operaties ```python # Voorbeeld van goede praktijk df_sorted = df.sort_index() result = df_sorted.loc[pd.IndexSlice['USA':, 2020:], :] ``` 7. **Controleer indexniveaus** met `df.index.levels` om de structuur te begrijpen 8. **Gebruik `swaplevel()`** om indexniveaus te wisselen: ```python df_swapped = df.swaplevel('Land', 'Jaar') ``` Deze technieken helpen je effectief te werken met hiërarchische data structuren in Pandas!