Pnadas基础

分层索引

MultiIndex就是一个分层索引对象

tup = [('beijing',2000),('beijing',2019), ('shanghai',2000),('shanghai',2019), ('guangzhou',2000),('guangzhou',2019)] values = [10000,100000,6000,60000,4000,40000] index = pd.MultiIndex.from_tuples(tup) # 利用元组生成MultiIndex sss = pd.Series(values, index=index) # 提供一个MultiIndex作为索引 >>> >beijing 2000 10000 2019 100000 shanghai 2000 6000 2019 60000 guangzhou 2000 4000 2019 40000

更多的创建MultiIndex的方法还有：

从列表：pd.MultiIndex.from_arrays([['a','a','b','b'],[1,2,1,2]]) 从元组：pd.MultiIndex.from_tuples([('a',1),('a',2),('b',1),('b',2)]) 笛卡儿积：pd.MultiIndex.from_product([['a','b'],[1,2]]) 直接构造：pd.MultiIndex(levels=[['a','b'],[1,2]],labels=[[0,0,1,1],[0,1,0,1]])

#=========================

分层索引在重塑数据和数组透视表中非常重要。比如，我们可以使用unstack方法将数据在DataFrame中重新排列，也就是展开：

s.unstack() 1 2 3 a 0.283490 0.295529 0.277676 b 0.487573 NaN 0.091161 c 0.285157 -0.806851 NaN d NaN -0.287969 -0.696511 #-------------------------------------------------------------------------------------- s.unstack().stack() # 反操作stack a 1 0.283490 2 0.295529 3 0.277676 b 1 0.487573 3 0.091161 c 1 0.285157 2 -0.806851 d 2 -0.287969 3 -0.696511

#==================

对于DataFrame对象，每个轴都可以有分层索引，给index或columns提供一个多维数组，就可以分层：

高级分层索引

DataFrame对象 sort_index(level=1)意思是在第2个层级上进行索引的排序。 swaplevel(0, 1)的意思是将第0层和第1层的行索引进行交换。

原始： state Ohio Colorado color Green Red Green key1 key2 a 1 0 1 2 b 1 6 7 8 a 2 3 4 5 b 2 9 10 11 #-------------------------------------- df.swaplevel(0, 1).sort_index(level=0) state Ohio Colorado color Green Red Green key2 key1 1 a 0 1 2 b 6 7 8 2 a 3 4 5 b 9 10 11

使用DataFrame的列进行索引

df= pd.DataFrame({'a': range(7), 'b': range(7, 0, -1), 'c': ['one', 'one', 'one', 'two', 'two', 'two', 'two'], 'd': [0, 1, 2, 0, 1, 2, 3]}) df>>> a b c d 0 0 7 one 0 1 1 6 one 1 2 2 5 one 2 3 3 4 two 0 4 4 3 two 1 5 5 2 two 2 6 6 1 two 3

set_index(['c','d']) 将c列和d列变成了分层的行索引 drop=False则保留了原来的列数据 reset_index是set_index的反向操作

df2 = df.set_index(['c','d']) df2 a b c d one 0 0 7 1 1 6 2 2 5 two 0 3 4 1 4 3 2 5 2 3 6 1 #-------------------------------------- df.set_index(['c','d'],drop=False) a b c d c d one 0 0 7 one 0 1 1 6 one 1 2 2 5 one 2 two 0 3 4 two 0 1 4 3 two 1 2 5 2 two 2 3 6 1 two 3 #------------------------------------ df2.reset_index() c d a b 0 one 0 0 7 1 one 1 1 6 2 one 2 2 5 3 two 0 3 4 4 two 1 4 3 5 two 2 5 2 6 two 3 6 1

DataFrame索引切片

如果MultiIndex不是有序的索引，那么大多数切片操作都会失败！这时候可以使用前面介绍过的sort_index方法先排下序。

In [19]: df = pd.DataFrame(np.arange(12).reshape((4, 3)), ...: index=[['a', 'a', 'b', 'b'], [1, 2, 1, 2]], ...: columns=[['Ohio', 'Ohio', 'Colorado'], ...: ['Green', 'Red', 'Green']]) ...: In [20]: df Out[20]: Ohio Colorado Green Red Green a 1 0 1 2 2 3 4 5 b 1 6 7 8 2 9 10 11 In [23]: df['Ohio','Colorado'] # 不能这么做，因为列索引分层了 KeyError Traceback (most recent call last) --------------------------------------------------------------------------- In [24]: df[['Ohio','Colorado']] # 这样可以 Out[24]: Ohio Colorado Green Red Green a 1 0 1 2 2 3 4 5 b 1 6 7 8 2 9 10 11 #---------------------------------------- In [25]: df['Ohio','Green'] # 每层提供一个参数 Out[25]: a 1 0 2 3 b 1 6 2 9 Name: (Ohio, Green), dtype: int32 #---------------------------------------- In [26]: df.iloc[:2,:2] # 用隐式索引 Out[26]: Ohio Green Red a 1 0 1 2 3 4 #---------------------------------------- In [28]: df.loc[:,('Ohio','Red')] # 这个比较难理解 Out[28]: a 1 1 2 4 b 1 7 2 10 Name: (Ohio, Red), dtype: int32