【Python】数据分析.pandas.索引、重建索引、复合索引 |
您所在的位置：网站首页 › 励恩 少儿英语 › 【Python】数据分析.pandas.索引、重建索引、复合索引 |
【Python】数据分析.pandas.索引、重建索引、复合索引
|
文章目录
数据分析.pandas.索引及复合索引一、索引（index）二、重建索引（reindex）三、复合索引四、Series、DataFrame复合索引的操作
数据分析.pandas.索引及复合索引
一、索引（index）
pandas的索引对象负责管理轴标签和其他元数据（比如轴名称等）。构建Series或DataFrame时，被作为索引的数组会被转换成一个Index： import numpy as np import pandas as pd df = pd.DataFrame(np.arange(12).reshape((3,4)),index=(list("abc")),columns=(list("ABCD"))) print(df) # A B C D # a 0 1 2 3 # b 4 5 6 7 # c 8 9 10 11 print(df.index) # Index(['a', 'b', 'c'], dtype='object')除了类似于数组，Index也具有set集合的功能： In [85]: frame3 Out[85]: state Nevada Ohio year 2000 NaN 1.5 2001 2.4 1.7 2002 2.9 3.6 In [86]: frame3.columns Out[86]: Index(['Nevada', 'Ohio'], dtype='object', name='state') In [87]: 'Ohio' in frame3.columns Out[87]: True In [88]: 2003 in frame3.index Out[88]: False与python的集合不同，pandas的Index可以包含重复的标签，选择重复的标签，会显示所有的结果。 In [89]: dup_labels = pd.Index(['foo', 'foo', 'bar', 'bar']) In [90]: dup_labels Out[90]: Index(['foo', 'foo', 'bar', 'bar'], dtype='object')下面是Index对象主要的方法和属性： pandas对象的reindex方法作用是重建新的索引。 method选项可填入的参数包括 : {None, ‘backfill’/‘bfill’, ‘pad’/‘ffill’, ‘nearest’} 默认为None: 不进行填充 pad/ffill: 前向填充，使用前面的有效值进行填充 backfill/bfill: 后向填充，使用后面有效值进行填充 nearest: 使用最近的有效值进行填充
列可以用columns关键字重新索引： df = pd.DataFrame(np.arange(12).reshape((3,4)), index=(list("abc")),columns=(list("ABCD"))) print(df) # A B C D # a 0 1 2 3 # b 4 5 6 7 # c 8 9 10 11 print(df.index) # Index(['a', 'b', 'c'], dtype='object')借助DataFrame，reindex可以修改（行）索引和列。只传递一个序列时，会重新索引结果的行： df = pd.DataFrame(np.arange(12).reshape((3,4)), index=(list("abc")),columns=(list("ABCD"))) print(df) # A B C D # a 0 1 2 3 # b 4 5 6 7 # c 8 9 10 11 print(df.index) # Index(['a', 'b', 'c'], dtype='object') df3 = df.reindex(list("abcd")) print(df3) # A B C D # a 0.0 1.0 2.0 3.0 # b 4.0 5.0 6.0 7.0 # c 8.0 9.0 10.0 11.0 # d NaN NaN NaN NaN返回顶部 三、复合索引索引可以包含一个、两个或多个列。两个或更多个列上的索引被称作复合索引。 pandas中set_index方法是专门用来将某一列设置为index的方法。它具有简单，方便，快捷的特点。 主要参数： keys： 需要设置为index的列名 drop： True or False。在将原来的列设置为index，是否需要删除原来的列。默认为True，即删除（Delete columns to be used as the new index.） append： True or False。新的index设置之后，是否要删除原来的index。 默认为True。（Whether to append columns to existing index.） inplace： True or False。是否要用新的DataFrame取代原来的DataFrame。默认False，即不取代。**（ Modify the DataFrame in place (do not create a new object)） import numpy as np import pandas as pd df = pd.DataFrame(np.arange(12).reshape((3,4)), index=(list("abc")),columns=(list("ABCD"))) print(df) # A B C D # a 0 1 2 3 # b 4 5 6 7 # c 8 9 10 11 print(df.index) # Index(['a', 'b', 'c'], dtype='object') #指定索引 df.index = ["a","b","m"] print(df) # A B C D # a 0 1 2 3 # b 4 5 6 7 # m 8 9 10 11 #重新设置索引 print(df.reindex(list("abd"))) # A B C D # a 0.0 1.0 2.0 3.0 # b 4.0 5.0 6.0 7.0 # d NaN NaN NaN NaN #指定某一列为索引 print(df.set_index("A")) # B C D # A # 0 1 2 3 # 4 5 6 7 # 8 9 10 11 print(df.set_index("A",drop=False)) # A B C D # A # 0 0 1 2 3 # 4 4 5 6 7 #设置两个索引 df1 = df.set_index(["A","B"],drop=False) print(df1) # A B C D # A B # 0 1 0 1 2 3 # 4 5 4 5 6 7 # 8 9 8 9 10 11 print(df1.index) # MultiIndex([(0, 1), # (4, 5), # (8, 9)], # names=['A', 'B']) #设置三个索引 df2 = df.set_index(["A","B","C"],drop=False) print(df2) # A B C D # A B C # 0 1 2 0 1 2 3 # 4 5 6 4 5 6 7 # 8 9 10 8 9 10 11 print(df2.index) # MultiIndex([(0, 1, 2), # (4, 5, 6), # (8, 9, 10)], # names=['A', 'B', 'C'])返回顶部 四、Series、DataFrame复合索引的操作 a = pd.DataFrame({'a':range(7),'b':range(7,0,-1),'c':['one','one','one','two','two','two','two'],'d':list("hjklmno")}) print(a) # a b c d # 0 0 7 one h # 1 1 6 one j # 2 2 5 one k # 3 3 4 two l # 4 4 3 two m # 5 5 2 two n # 6 6 1 two o b = a.set_index(["c","d"]) #复合索引 print(b) # a b # c d # one h 0 7 # j 1 6 # k 2 5 # two l 3 4 # m 4 3 # n 5 2 # o 6 1 print(b.loc["one"].loc["h"]) #切片取值 # a 0 # b 7上面我们提过，pandas的Index可以包含重复的标签，选择重复的标签，会显示所有的结果，如上面案例所示，在设置dataframe表时，我们设置c列包含有重复的值，当我们设置c、d列为索引时，自动去重，并在对应d列首个内层索引处显示出外层唯一索引。 #对于复合索引Series的切片操作 print(c["one"]["j"]) #1 print(c["one"]) # h 0 # j 1 # k 2 # Name: a, dtype: int64 #我们将c、d两列的顺序调换 d = a.set_index(["d","c"])["a"] print(d) # a # d c # h one 0 # j one 1 # k one 2 # l two 3 # m two 4 # n two 5 # o two 6 #此时若要取内层索引为one的数据 #法一：以c["..."]的形式，将内层索引为one的一个一个取出 #法二：使用swaplevel()方法交换 e = d.swaplevel() print(e) # c d # one h 0 # j 1 # k 2 # two l 3 # m 4 # n 5 # o 6 print(e["one"]) # d # h 0 # j 1 # k 2 # Name: a, dtype: int64 print(e["one","h"]) # 0返回顶部 |
返回顶部
【本文地址】