首页 > 其他分享 >【数据处理包Pandas】多级索引的创建及使用

【数据处理包Pandas】多级索引的创建及使用

时间:2024-04-02 19:05:10浏览次数:24  
标签:loc 语文 多级 元组 索引 scores 数据处理 2017 Pandas

目录


首先,导入 NumPy 库和 Pandas 库。

import numpy as np
import pandas as pd

一、元组作为一级索引

如果想产生如下图所示的学生成绩表:

在这里插入图片描述
因为 DataFrame 的行索引/列索引要求是不可变的,因此考虑使用元组做索引是很自然的选择。

s_index = [(2016,1),(2016,2),(2017,1),(2017,2)]
s_columns = [('王亮','语文'),('王亮','数学'),('王亮','英语'),('李海','语文'),('李海','数学'),('李海','英语'),('富强','语文'),('富强','数学'),('富强','英语')]
scores = pd.DataFrame(np.random.randint(60,100,(4,9)),index=s_index,columns=s_columns)
scores

在这里插入图片描述

上述由元组构成的行索引/列索引的缺点是使用不够方便,举例说明如下:

(一)示例1

使用元组索引查询时,对 Series 和 DataFrame 的操作不统一,后者需要对元组索引额外加中括号,而前者不用!

1、查询王亮的数学成绩

# 查询王亮的数学成绩
scores[('王亮','数学')]

在这里插入图片描述

2、查询2017年第一学期的成绩

# 查询2017年第一学期的成绩
scores.loc[(2017,1)]---出错!相当于scores.loc[2017,1],此时会把2017看成行索引,1看成列索引,而行索引没有2017

对于 DataFrame,应该在元组的外面再加一层中括号,写成:

scores.loc[[(2017,1)]]

在这里插入图片描述

当然用位置标签是最简单的:

scores.iloc[2,:]

在这里插入图片描述

3、查询王亮2017第1学期的成绩

如果用 DataFrame 直接做查询,则表示行索引和列索引的元组外都要多加一层中括号,需要写成:

scores.loc[[(2017,1)],[('王亮','数学')]]

在这里插入图片描述

但是对于 Series,则无需在元组外面加一层中括号,例如,先得到 Series 再用元组索引可写成:

scores[('王亮','数学')][(2017,1)]

直接使用位置标签:

scores.iloc[2,1]
69

(二)示例2

查询语文成绩时,需要写循环,无法使用切片中的冒号(:)语法,不太方便。

for col in scores.columns:
    if col[1]=='语文':
        print(scores[col])

在这里插入图片描述

上述例子说明:把元组用作单级索引来表示多个维度的信息,不是一个很好的选择!

二、引入多级索引

(一)多级索引的创建

MultiIndex 对象是 Pandas 标准 Index 的子类,由它来表示多层索引业务。 可以将 MultiIndex 视为一个元组对数组,其中每个元组对都是唯一的。

创建主要有三个相关的函数:from_tuples、from_arrays和from_product,它们都是pd.MultiIndex类的方法

1、使用pd.MultiIndex.from_tuples创建 MultiIndex 对象和 DataFrame 对象

t1 = pd.MultiIndex.from_tuples(s_index)
t1
MultiIndex(levels=[[2016, 2017], [1, 2]],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]])
t2 = pd.MultiIndex.from_tuples(s_columns)
t2
MultiIndex(levels=[['富强', '李海', '王亮'], ['数学', '英语', '语文']],
           labels=[[2, 2, 2, 1, 1, 1, 0, 0, 0], [2, 0, 1, 2, 0, 1, 2, 0, 1]])
scores = pd.DataFrame(np.random.randint(60,100,(4,9)),index=t1,columns=t2)
scores

在这里插入图片描述

2、使用pd.MultiIndex.from_arrays创建 MultiIndex 对象和 DataFrame 对象

a1 = pd.MultiIndex.from_arrays([[2016,2016,2017,2017],[1,2,1,2]])   # 两级索引都放在列表中,属于花式索引的写法
a1
MultiIndex(levels=[[2016, 2017], [1, 2]],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]])
a2 = pd.MultiIndex.from_arrays([['王亮','王亮','王亮','李海','李海','李海','富强','富强','富强'],
                                ['语文','数学','英语','语文','数学','英语','语文','数学','英语']])   
a2
MultiIndex(levels=[['富强', '李海', '王亮'], ['数学', '英语', '语文']],
           labels=[[2, 2, 2, 1, 1, 1, 0, 0, 0], [2, 0, 1, 2, 0, 1, 2, 0, 1]])
scores = pd.DataFrame(np.random.randint(60,100,(4,9)),index=a1,columns=a2)
scores

在这里插入图片描述

3、使用pd.MultiIndex.from_product创建 MultiIndex 对象和 DataFrame 对象(推荐!)

r_index = pd.MultiIndex.from_product([[2016,2017],[1,2]],names=['年份','学期'])
r_index
MultiIndex(levels=[[2016, 2017], [1, 2]],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
           names=['年份', '学期'])
c_index = pd.MultiIndex.from_product([['王亮','李海','富强'],['语文','数学','英语']],names=['姓名','课程'])
c_index   # 下面显示的levels的内容是系统已经拍过序的
MultiIndex(levels=[['富强', '李海', '王亮'], ['数学', '英语', '语文']],
           labels=[[2, 2, 2, 1, 1, 1, 0, 0, 0], [2, 0, 1, 2, 0, 1, 2, 0, 1]],
           names=['姓名', '课程'])
np.random.seed(666)
scores = pd.DataFrame(np.random.randint(60,100,(4,9)),index=r_index,columns=c_index)
scores

在这里插入图片描述

(二)多级索引中的数学选取

1、基于列索引选取数据

# 基于列的第1层索引选取单列
scores['富强']

在这里插入图片描述

# 基于列的第1层索引选取多列,需要使用花式索引
scores[['富强','王亮']]

在这里插入图片描述
补充说明:

排序时默认按第一个字符的 Unicode 编码顺序升序排序。
查看一个字符的十进制 Unicode 编码:ord(字符);查看一个字符的十六进制 Unicode 编码:hex(ord(字符))。

  • level 0级的排序:富、李、王的十进制Unicode编码分别是23500、26446和29579
  • level 1级的排序:数、英和语十进制Unicode编码分别是25968、33521和35821

sort_index()没有指明对哪个级别的列索引排序,默认对两级列索引都做了排序。如果只对level 0级的列索引排序,则应指明参数level=0;要对level 0级升序,而level 1级降序,则应该额外使用参数level=[0,1],ascending=[True,False]

scores.sort_index(axis=1,inplace=True)   # axis=1指明对列索引按升序排列,注意inplace=True后才能看到排序结果  
scores

在这里插入图片描述

# axis=0指明对行索引排序
scores.sort_index(axis=0,inplace=True,level=[0,1],ascending=[False,True])
scores

在这里插入图片描述

# 基于列的第2层索引选取单独1列
scores.loc[:,(slice(None),'语文')]

其中的:表示行索引是任意的,切片slice(None)表示第 0 级列索引是任意的。
注意:元组中不允许使用:,因此用slice(None)代替。
说明:多级索引的切片操作要求必须先对索引排序,因此才有上面的sort_index()函数调用。

在这里插入图片描述

# 基于列的第2层索引选取多列
scores.loc[:,(slice(None),['语文','数学'])] 

其中的花式索引['语文','数学']表示选取 level 1 级列索引是语文和数学的两列。

在这里插入图片描述

# 同时基于列的第1层和第2层索引选取数据
scores['李海','语文']   # 等价于scores[('李海','语文')]

注意:虽然scores[('李海','语文')]可以,但不能使用scores[(slice(None),'语文')]选取所有的语文成绩。而只能通过scores.loc[:,(slice(None),'语文')]选取所有的语文成绩。

在这里插入图片描述

小结:无论基于行索引还是列索引选取数据,只要没指定最高级索引,则必须使用.loc[行索引,列索引]的形式。

2、基于行索引选取数据

基于行索引选取数据,必须使用.loc[]的形式。

# 基于行的单个第1层索引值选取数据
scores.loc[2017]

在这里插入图片描述

# 基于行的多个第1层索引值选取数据
scores.loc[[2017,2016]]

在这里插入图片描述

# 基于行的单个第2层索引值选取数据
scores.loc[(slice(None),2),:]    # 不能写成scores.loc[(slice(None),2)]或scores.loc[slice(None),2]的形式

在这里插入图片描述

# 基于行的多个第2层索引值选取数据
scores.loc[(slice(None),[1,2]),:]   # 不能写成scores.loc[(slice(None),1:2),:],元组中不支持:进行切片操作

在这里插入图片描述

# 同时基于行的第1层和第2层索引选取数据
scores.loc[2016,2]   # 等价于scores.loc[(2016,2)]或scores.loc[(2016,2),:],表示元组的括号此时可以去掉
姓名  课程
富强  数学    72
    英语    75
    语文    78
李海  数学    99
    英语    65
    语文    76
王亮  数学    74
    英语    93
    语文    88
Name: (2016, 2), dtype: int32
# 查看2016年所有学生的数学和英语成绩
scores.loc[2016,(slice(None),['数学','英语'])]  #*1*
# 查看第2学期的全部数据
scores.loc[(slice(None),2),:]  #*2*    不能写成scores.loc[(slice(None),2)]或scores.loc[slice(None),2]的形式
# 查看李海同学的语文成绩
scores['李海','语文']  #*3* 等价于scores.loc[:,('李海','语文')] 或scores[('李海','语文')] 
# 查看2017年第1学期的成绩
scores.loc[2017,1]   #*4* 等价于scores.loc[(2017,1),:]或scores.loc[(2017,1)]

以#1——#4的语句为例来小结多级索引下的数据选取方式:

1、选取数据的通用形式:

(1)通用写法是:df.loc[(行索引),(列索引)],例如#1处;
(2)其中行/列索引分别构成元组,并且从左到右,索引级别依次下降,相邻级别间用逗号分隔;
(3)未指明的高级别行/列索引需要用slice(None)表示取任意值(例如#1处的第1级列索引);未指明的低级别索引可以不写(例如#1处的第2级行索引);如果同级别的索引有多个(例如#1处的第2级列索引),需要用花式索引而不能使用切片(元组不支持冒号:);

2、选取数据的简化形式:

(1)当只涉及列索引元组并且其中不包含slice(None)时,行索引元组可以用冒号(:)简化,写成df.loc[:,(列索引)];或者进一步简化成df[列索引](即loc行选择器和表示元组的圆括号都可以省略,例如#3处)
(2)当只涉及行索引元组并且其中不包含slice(None)时,列索引元组可以用冒号(:)简化,写成df.loc[(行索引),:];或者进一步简化成df.loc[行索引](即表示元组的圆括号也省略了,例如#4处);注意:loc行选择器不能省略,因为只要包含行索引,一定要使用行选择器loc或iloc,而选择列索引则不需要!
(3)无论行/列索引,只要有一个元组中包含slice(None),就不能使用上述简化形式,而必须使用通用形式(#1和#2处)

注意:为了在多级索引的中括号[]中可以使用切片(即使用冒号:),需要先使用sort_index()函数对索引进行排序。

上面的结论可以把前面的所有例子都归纳在其中!

# 多级索引中的行/列索引使用元组表示法,不方便之处在于对于元组内部的索引无法使用切片,为此引入IndexSlice对象
idx = pd.IndexSlice
# 用idx改写上面的*1*和#*2*语句
# 查看2016年所有学生的数学和英语成绩
scores.loc[2016,idx[:,['数学','英语']]]  #*1*  用:替代了slice(None)
scores.loc[2016,idx[:,'数学':'英语']]  # 与上面等价,用第2级列索引上的切片('数学':'英语')替代了上面的花式索引

在这里插入图片描述

# 查看第2学期的全部数据
scores.loc[idx[:,2],:]   #*2*

在这里插入图片描述

标签:loc,语文,多级,元组,索引,scores,数据处理,2017,Pandas
From: https://blog.csdn.net/Morse_Chen/article/details/137263105

相关文章

  • pandas中cummax() 函数的应用
    cummax()函数用于计算DataFrame或Series中数值型数据的累积最大值。它将沿着指定的轴(行或列)对数据进行累积求最大值,并返回一个具有相同形状的DataFrame或Series。下面是一个示例,说明如何使用cummax()函数:importpandasaspd#创建一个DataFramedata={'......
  • Pandas学习笔记
    Pandas学习笔记Pandas官方文档非常全面,但从希望快速上手使用的角度,过于全面,不过Pandas官方提供了CheetSheet,概要总结了Pandas的核心功能,相对于官方文档来说更加简明,不过缺点则是从刚上手使用的角度来说过于简明于是本篇文字就围绕CheetSheet,增加相应的样例代码,从而在不......
  • 利用pandas进行数据行转列和列转行
    一、数据列转行importpandasaspd#导入pandas库defpivot_excel_data(input_file,output_file):"""将Excel文件中的数据行转换为列,并保存为新的Excel文件Parameters:input_file(str):输入的Excel文件路径output_file(......
  • 文本数据处理
    文本数据处理情无论巨细,往往存在一个准备阶段。比如做饭炒菜,需要择菜、洗菜、切菜、热锅等准备工作;出远门需要整理好身份证、手机、钱包等随身物品。类似地,在处理文本的任务中,也存在预处理这么一个重要阶段,包括诸如统一数据格式、去噪、词形还原、分词之类的基本操作,以及语义分析......
  • pandas习题 001:如何安装和升级 pandas ?
    参考答案:打开命令行终端(CommandPrompt)或者终端(Terminal),输入命令:pipinstallpandas这将自动下载并安装pandas及其依赖项。如果您使用的是JupyterNotebook或者JupyterLab,可以在Notebook中使用以下命令安装pandas:!pipinstallpandas为了升级或者下......
  • //练习二:删除一个多级文件夹
    publicclassTest07{publicstaticvoidmain(String[]args){Filesrc=newFile("F:\\test\\apple\\src");deleteSrc(src);}privatestaticvoiddeleteSrc(Filesrc){/**先删除这个文件夹里面所有的内容......
  • python3安装pandas库出现Could not import the lzma module
    1.安装lzma模块使用:python-mpipinstallbackports.lzma2.进入cd/usr/local/python3/lib/python3.7目录(系统不同,目录也有所不同,可以通过which命令来查找当前运行python是使用的那个目录的),然后编辑lzma.py,将下面代码:from_lzmaimport*from_lzmaimport_encode_......
  • 高分三号ScanSAR &TopSAR数据处理
    高分三号卫星是中国首颗分辨率达到1米的C频段多极化合成孔径雷达(SAR)成像卫星,于2016年8月10日在太原卫星发射中心用长征四号丙运载火箭成功发射升空。高分三号B/C(也称为1米C-SAR01星和02星)分别于2021年11月23日和2022年4月7日成功发射,相比于高分三号卫星,1米C-SAR采用了TOPSAR模式......
  • Python pandas模块
    1、转换python字典类型为dataframe#!/usr/bin/envpython#-*-coding:utf-8-*-#__author__=#pandas>=1.5.3importpandasaspdpydict={'Dosage':'1.1.1.1,2.2.2.2,4.4.4.4,5.5.5.5','HalfLife':'6.6.6.6,7.7.7.7,8.8.8.......
  • pandas笔记(五)-- 部门工资最高的员工(数据表的合并与分组)
    题目描述输入employee表和department表,查询部门工资最高的员工,按任意顺序返回结果表测试用例employee表:idnamesalarydepartmentId1Joe7000012Jim9000013Henry8000024Sam6000025Max900001department表:idname1IT......