（三）pandas 层次化索引

pandas层次化索引

1. 创建多层行索引

1) 隐式构造

最常见的方法是给DataFrame构造函数的index参数传递两个或更多的数组

Series也可以创建多层索引

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

s = Series(data = [1,2,3,"a"], index = [["a","a","b","b"],["期中","期末","期中","期末"]])
s

a  期中    1
c  期末    2
b  期中    3
d  期末    a
dtype: object

df = DataFrame(data = [1,2,3,"a"], 
              index = [["a","a","b","b"],["期中","期末","期中","期末"]],columns = ["Python"])
df

		Python
a	期中	1
a	期末	2
b	期中	3
b	期末	a

#三层索引
df = DataFrame(data = np.random.randint(0,150,size = 8), 
              index = [["a","a","a","a","b","b","b","b"],
                       ["期中","期中","期末","期末","期中","期中","期末","期末"],
                       ["一单元","二单元","一单元","二单元","一单元","二单元","一单元","二单元"]], 
              columns = ["Python"])
df

			Python
a	期中	一单元	79
	期中	二单元	92
	期末	一单元	84
	期末	二单元	93
b	期中	一单元	10
	期中	二单元	129
	期末	一单元	38
	期末	二单元	33

2) 显示构造pd.MultiIndex

使用数组

df1 = DataFrame(data = np.random.randint(0,150,size = 8),
                index = pd.MultiIndex.from_arrays([["a","a","a","a","b","b","b","b"],
                       ["期中","期中","期末","期末","期中","期中","期末","期末"],
                       ["一单元","二单元","一单元","二单元","一单元","二单元","一单元","二单元"]]),
               columns = ["Python"])
df1

			Python
a	期中	一单元	19
	期中	二单元	102
	期末	一单元	56
	期末	二单元	11
b	期中	一单元	58
	期中	二单元	38
	期末	一单元	95
	期末	二单元	26

df1.index

MultiIndex(levels=[['a', 'b'], ['期中', '期末'], ['一单元', '二单元']],
           labels=[[0, 0, 0, 0, 1, 1, 1, 1], [0, 0, 1, 1, 0, 0, 1, 1], [0, 1, 0, 1, 0, 1, 0, 1]])

df1.columns

Index(['Python'], dtype='object')

#可以把行索引变换成列索引
df2 = DataFrame(data = np.random.randint(0,150,size = (1,8)),
                columns = pd.MultiIndex.from_arrays([["a","a","a","a","b","b","b","b"],
                       ["期中","期中","期末","期末","期中","期中","期末","期末"],
                       ["一单元","二单元","一单元","二单元","一单元","二单元","一单元","二单元"]]),
               index = ["Python"])
df2

	a				b
	期中		期末		期中		期末
	一单元	二单元	一单元	二单元	一单元	二单元	一单元	二单元
Python	121	143	120	82	105	126	101	59

使用tuple

df3 = DataFrame(np.random.randint(0,150,size = 4), 
                index = pd.MultiIndex.from_tuples([("a",1),('a',2),("b",1),("b",2)]),columns = ["Python"])
df3

		Python
a	1	69
a	2	132
b	1	7
b	2	86

使用product

最简单，推荐使用

df4 = DataFrame(np.random.randint(0,150,size = (8,2)), 
                index = pd.MultiIndex.from_product([list("abcd"), ["期中","期末"]]),
               columns = ["Python","高数"])
df4

		Python	高数
a	期中	14	129
a	期末	40	74
b	期中	83	103
b	期末	44	62
c	期中	95	141
c	期末	55	103
d	期中	42	68
d	期末	51	71

============================================

练习8：

创建一个DataFrame，表示出张三李四期中期末各科成绩

============================================

df = DataFrame(data = np.random.randint(0,150,size = (4,4)),
              index = [["张三","张三","李四","李四"],["期中","期末","期中","期末"]],
               columns = ["Python","Html","Java","PHP"])
df

		Python	Html	Java	PHP
张三	期中	6	96	146	23
张三	期末	139	136	84	77
李四	期中	145	94	24	110
李四	期末	95	16	34	34

2. 多层列索引

除了行索引index，列索引columns也能用同样的方法创建多层索引

#可以把行索引变换成列索引
df2 = DataFrame(data = np.random.randint(0,150,size = (1,8)),
                columns = pd.MultiIndex.from_arrays([["a","a","a","a","b","b","b","b"],
                       ["期中","期中","期末","期末","期中","期中","期末","期末"],
                       ["一单元","二单元","一单元","二单元","一单元","二单元","一单元","二单元"]]),
               index = ["Python"])
df2

	a				b
	期中		期末		期中		期末
	一单元	二单元	一单元	二单元	一单元	二单元	一单元	二单元
Python	141	82	39	6	16	69	19	22

3. 多层索引对象的索引与切片操作

1）Series的操作

【重要】对于Series来说，直接中括号[]与使用.loc()完全一样，因此，推荐使用中括号索引和切片。

(1) 索引

s = Series(data = [1,2,3,"a"], index = [["a","a","b","b"],["期中","期末","期中","期末"]])
s

a  期中    1
   期末    2
b  期中    3
   期末    a
dtype: object

s["a"]["期末"]

s["a","期末"]

s["a","jhdsajdasjk"]

---------------------------------------------------------------------------

KeyError                                  Traceback (most recent call last)

<ipython-input-23-768e71c3a49c> in <module>()
----> 1 s["a","jhdsajdasjk"]


C:\anaconda\lib\site-packages\pandas\core\series.py in __getitem__(self, key)
    662             key = check_bool_indexer(self.index, key)
    663 
--> 664         return self._get_with(key)
    665 
    666     def _get_with(self, key):


C:\anaconda\lib\site-packages\pandas\core\series.py in _get_with(self, key)
    675             if isinstance(key, tuple):
    676                 try:
--> 677                     return self._get_values_tuple(key)
    678                 except Exception:
    679                     if len(key) == 1:


C:\anaconda\lib\site-packages\pandas\core\series.py in _get_values_tuple(self, key)
    723 
    724         # If key is contained, would have returned by now
--> 725         indexer, new_index = self.index.get_loc_level(key)
    726         return self._constructor(self._values[indexer],
    727                                  index=new_index).__finalize__(self)


C:\anaconda\lib\site-packages\pandas\core\indexes\multi.py in get_loc_level(self, key, level, drop_level)
   2246 
   2247                         return (self._engine.get_loc(
-> 2248                             _values_from_object(key)), None)
   2249 
   2250                     else:


pandas/_libs/index.pyx in pandas._libs.index.MultiIndexObjectEngine.get_loc()


pandas/_libs/index.pyx in pandas._libs.index.MultiIndexObjectEngine.get_loc()


pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()


pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()


pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()


pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()


KeyError: ('a', 'jhdsajdasjk')

s[['a',"期中"]]
#写两个  的时候，只会取第一个，之后就不管了

a  期中    1
   期末    2
dtype: object

(2) 切片

s["a":"b"]

a  期中    1
   期末    2
b  期中    3
   期末    a
dtype: object

s["期中":"期末"]

Series([], dtype: object)

#多层索引，自然数的索引从0开始的，有多少行算多少行，和总体的数据有关！！！
s.iloc[0:3]

a  期中    1
   期末    2
b  期中    3
dtype: object

2）DataFrame的操作

(1) 可以直接使用列名称来进行列索引

(2) 使用行索引需要用ix()，loc()等函数

【极其重要】推荐使用loc()函数

注意在对行索引的时候，若一级行索引还有多个，对二级行索引会遇到问题！也就是说，无法直接对二级索引进行索引，必须让二级索引变成一级索引后才能对其进行索引！

df4
#想要a，期中的Python的成绩

		Python	高数
a	期中	14	129
a	期末	40	74
b	期中	83	103
b	期末	44	62
c	期中	95	141
c	期末	55	103
d	期中	42	68
d	期末	51	71

df4["Python"]["a"]["期中"]

df4["Python"]["a","期中"]

df4.loc['b', "期末"]["Python"]

============================================

练习9：

分析比较Series和DataFrame各种索引的方式，熟练掌握.loc()方法
假设张三再一次在期中考试的时候因为特殊原因放弃英语考试，如何实现？

============================================

4. 索引的堆（stack）

stack()
unstack()

小技巧】使用stack()的时候，level等于哪一个，哪一个就消失，出现在行里。

【小技巧】使用unstack()的时候，level等于哪一个，哪一个就消失，出现在列里。

============================================

练习10：

使用unstack()将ddd变为两行，分别为期中期末
使用unstack()将ddd变为四行，分别为四个科目

============================================

5. 聚合操作

【注意】

需要指定axis
【小技巧】和unstack()相反，聚合的时候，axis等于哪一个，哪一个就保留。

所谓的聚合操作：平均数，方差，最大值，最小值……

============================================

练习11：

计算各个科目期中期末平均成绩
计算各科目张三李四的最高分

============================================

posted @ 2020-05-28 17:32 peng_li 阅读(798) 评论(0) 编辑收藏举报

刷新页面返回顶部

PengLi

一个学生物的程序猿

（三）pandas 层次化索引

pandas层次化索引

1. 创建多层行索引

1) 隐式构造

2) 显示构造pd.MultiIndex

2. 多层列索引

3. 多层索引对象的索引与切片操作

1）Series的操作

2）DataFrame的操作

4. 索引的堆（stack）

5. 聚合操作

公告