pandas 层次化索引的实现方法

技术  /  管理员 发布于 7年前   203

层次化索引是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。

创建一个Series，并用一个由列表或数组组成的列表作为索引。

data=Series(np.random.randn(10),index=[['a','a','a','b','b','b','c','c','d','d'],[1,2,3,1,2,3,1,2,2,3]])dataOut[6]: a 1  -2.842857  2  0.376199  3  -0.512978b 1  0.225243  2  -1.242407  3  -0.663188c 1  -0.149269  2  -1.079174d 2  -0.952380  3  -1.113689dtype: float64

这就是带MultiIndex索引的Series的格式化输出形式。索引之间的“间隔”表示“直接使用上面的标签”。

data.indexOut[7]: MultiIndex(levels=[['a', 'b', 'c', 'd'], [1, 2, 3]],labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])

对于一个层次化索引的对象，选取数据子集的操作很简单：

data['b']Out[8]: 1  0.2252432  -1.2424073  -0.663188dtype: float64data['b':'c']Out[10]: b 1  0.225243  2  -1.242407  3  -0.663188c 1  -0.149269  2  -1.079174dtype: float64data.ix[['b','d']]__main__:1: DeprecationWarning: .ix is deprecated. Please use.loc for label based indexing or.iloc for positional indexingSee the documentation here:http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecatedOut[11]: b 1  0.225243  2  -1.242407  3  -0.663188d 2  -0.952380  3  -1.113689dtype: float64

甚至可以在“内层”中进行选取：

data[:,2]Out[12]: a  0.376199b  -1.242407c  -1.079174d  -0.952380dtype: float64

层次化索引在数据重塑和基于分组的操作中扮演重要角色。

可以通过unstack方法被重新安排到一个DataFrame中：

data.unstack()Out[13]:      1     2     3a -2.842857 0.376199 -0.512978b 0.225243 -1.242407 -0.663188c -0.149269 -1.079174    NaNd    NaN -0.952380 -1.113689#unstack的逆运算是stackdata.unstack().stack()Out[14]: a 1  -2.842857  2  0.376199  3  -0.512978b 1  0.225243  2  -1.242407  3  -0.663188c 1  -0.149269  2  -1.079174d 2  -0.952380  3  -1.113689dtype: float64

对于DataFrame，每条轴都可以有分层索引：

frame=DataFrame(np.arange(12).reshape((4,3)),index=[['a','a','b','b'],[1,2,1,2]],columns=[['Ohio','Ohio','Colorado'],['Green','Red','Green']])frameOut[16]:    Ohio   Colorado  Green Red  Greena 1   0  1    2 2   3  4    5b 1   6  7    8 2   9 10    11

各层都可以有名字。如果指定了名称，它们会显示在控制台中（不要将索引名称和轴标签混为一谈！）

frame.index.names=['key1','key2']frame.columns.names=['state','color']frameOut[22]: state   Ohio   Coloradocolor   Green Red  Greenkey1 key2          a  1    0  1    2   2    3  4    5b  1    6  7    8   2    9 10    11

由于有了分部的列索引，可以轻松选取列分组：

frame['Ohio']Out[23]: color   Green Redkey1 key2      a  1     0  1   2     3  4b  1     6  7   2     9  10

重排分级排序

有时需要重新调整某条轴上各级别的顺序，或根据指定级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（但数据不会发生变化）：

frame.swaplevel('key1','key2')Out[24]: state   Ohio   Coloradocolor   Green Red  Greenkey2 key1          1  a    0  1    22  a    3  4    51  b    6  7    82  b    9 10    11

sortlevel则根据单个级别中的值对数据进行排序。交换级别时，常用得到sortlevel，这样最终结果也是有序的了：

frame.swaplevel(0,1)Out[27]: state   Ohio   Coloradocolor   Green Red  Greenkey2 key1          1  a    0  1    22  a    3  4    51  b    6  7    82  b    9 10    11#交换级别0,1（也就是key1,key2)#然后对axis=0进行排序frame.swaplevel(0,1).sortlevel(0)__main__:1: FutureWarning: sortlevel is deprecated, use sort_index(level= ...)Out[28]: state   Ohio   Coloradocolor   Green Red  Greenkey2 key1          1  a    0  1    2   b    6  7    82  a    3  4    5   b    9 10    11

根据级别汇总统计

有时需要重新调整某条轴上各级别的顺序，或根据指定级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（但数据不会发生变化）：

frame.sum(level='key2')Out[29]: state Ohio   Coloradocolor Green Red  Greenkey2          1     6  8    102    12 14    16frame.sum(level='color',axis=1)Out[30]: color   Green Redkey1 key2      a  1     2  1   2     8  4b  1    14  7   2    20  10

使用DataFrame的列

将DataFrame的一个或多个列当做行索引来用，或将行索引变成Dataframe 的列。

frame=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]})frameOut[32]:   a b  c d0 0 7 one 01 1 6 one 12 2 5 one 23 3 4 two 04 4 3 two 15 5 2 two 26 6 1 two 3

DataFrame的set_index函数会将其一个或多个列转换为行索引，并创建一个新的DataFrame：

frame2=frame.set_index(['c','d'])frame2Out[34]:     a bc  d   one 0 0 7  1 1 6  2 2 5two 0 3 4  1 4 3  2 5 2  3 6 1

默认情况下，那些列会从DataFrame中移除，但也可以将其保留下来：

frame.set_index(['c','d'],drop=False)Out[35]:     a b  c dc  d       one 0 0 7 one 0  1 1 6 one 1  2 2 5 one 2two 0 3 4 two 0  1 4 3 two 1  2 5 2 two 2  3 6 1 two 3

reset_index的功能和set_index刚好相反，层次化索引的级别会被转移到列里面：

frame2.reset_index()Out[36]:    c d a b0 one 0 0 71 one 1 1 62 one 2 2 53 two 0 3 44 two 1 4 35 two 2 5 26 two 3 6 1

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。