多级索引:在一个轴上有多个(两个以上)的索引,能够以低维度形式来表示高维度的数据。单级索引是Index对象,多级索引是MultiIndex对象。

一、创建多级索引

  • 方法一:隐式创建,即给DataFrame的indexcolumns参数传递两个或更多的数组。

    df1 = pd.DataFrame(np.random.randint(80, 120, size=(2, 4)),
    index= ['girl', 'boy'],
    columns=[['English', 'English', 'Chinese', 'Chinese'],
    ['like', 'dislike', 'like', 'dislike']]) print(df1) # 创建多级 列 索引
    -------------------------------------------------------------------------------------
    English Chinese
    like dislike like dislike
    girl 85 109 117 110
    boy 85 111 100 107
  • 方法二、显示创建,推荐使用较简单的pd.MultiIndex.from_product方法
    df2 = pd.DataFrame(np.random.randint(80, 120, size=(4, 2)),
    columns= ['girl', 'boy'],
    index=pd.MultiIndex.from_product([['English','Chinese'],
    ['like','dislike']]))
    print(df2) # 创建多级 行 索引
    -------------------------------------------------------------------------------------
    girl boy
    English like 92 98
    dislike 118 99
    Chinese like 109 108
    dislike 108 91

二、检索多级索引

  • 类似单级索引检索(loc、iloc),以df1数据为例

    df1.English
    -------------------------------------------------------------------------------------
    like dislike
    girl 105 112
    boy 118 87 df1.English.dislike
    -------------------------------------------------------------------------------------
    girl 112
    boy 87
    Name: dislike, dtype: int64 df1.iloc[:,0:3]
    -------------------------------------------------------------------------------------
    English Chinese
    like dislike like
    girl 85 113 82
    boy 97 83 94 df1.loc['girl', ['English', 'Chinese']]
    -------------------------------------------------------------------------------------
    English like 105
    dislike 112
    Chinese like 87
    dislike 92
    Name: girl, dtype: int64
  • 多级索引的检索,可以使用更高级的方法,如xs、IndexSlice等,用到较少暂不介绍。

三、更改索引的层级

  1. 创建多级索引

    df = pd.DataFrame(np.random.randint(80, 120, size=(6, 4)),
    index= pd.MultiIndex.from_product([[1, 2, 3],['girl', 'boy']]),
    columns=pd.MultiIndex.from_product([['English','Chinese'],
    ['Y','N']]))
    print(df)
    -------------------------------------------------------------------------------------
    English Chinese
    Y N Y N
    1 girl 86 99 111 105
    boy 85 110 113 112
    2 girl 98 106 108 94
    boy 117 80 97 83
    3 girl 95 81 114 95
    boy 106 95 119 81
  2. 为多级索引命名
    df.columns.names = ['Language', 'Pass']    # 设置列索引名
    df.index.names = ['Class', 'Six'] # 设置行索引名 print(df)
    -------------------------------------------------------------------------------------
    Language English Chinese
    Pass Y N Y N
    Class Six
    1 girl 86 99 111 105
    boy 85 110 113 112
    2 girl 98 106 108 94
    boy 117 80 97 83
    3 girl 95 81 114 95
    boy 106 95 119 81
  3. 更改索引的层级(swaplevel)
    df.swaplevel('Six','Class')    # 更改行索引的层级
    -------------------------------------------------------------------------------------
    Language English Chinese
    Pass Y N Y N
    Six Class
    girl 1 86 99 111 105
    boy 1 85 110 113 112
    girl 2 98 106 108 94
    boy 2 117 80 97 83
    girl 3 95 81 114 95
    boy 3 106 95 119 81

四、多级索引的值排序(sort_index)

  • 方法一

    df.sort_index(level=0, axis=0, ascending=False)    # 对行索引Class的值进行降序排列
    -------------------------------------------------------------------------------------
    Language English Chinese
    Pass Y N Y N
    Class Six
    3 girl 95 81 114 95
    boy 106 95 119 81
    2 girl 98 106 108 94
    boy 117 80 97 83
    1 girl 86 99 111 105
    boy 85 110 113 112
  • 方法二:使用sortlevel方法,从0.20.0版本开始,已经被弃用

五、多级索引汇总统计

  • 示例一

    df.sum(level=1) 或df.sum(level='Six')    # 对行索引Six进行求和
    -------------------------------------------------------------------------------------
    Language English Chinese
    Pass Y N Y N
    Six
    girl 279 286 333 294
    boy 308 285 329 276
  • 示例二
    df.sum(level=0, axis=1)  或 df.sum(level='Language', axis=1)    # 对列索引Language进行求和
    -------------------------------------------------------------------------------------
    Language English Chinese
    Class Six
    1 girl 185 216
    boy 195 225
    2 girl 204 202
    boy 197 180
    3 girl 176 209
    boy 201 200

六、多级索引轴向转换

  • 常见的数据层次化结构:树状和表格

     
     
  • 轴向转换的函数
    1. stack() : 将行索引变成列索引,可以理解为将表格数据转换为树状数据
    2. unstack() : 将列索引变成行索引,可以理解为将树状数据转换为表格数据
    3. 两个函数互为逆函数,作用相反,用法相同。单级索引时,结果会生成一个Series;多级索引时默认转换最内层索引,也可以自定义转换的索引层级
  • 示例
      print(df)    # 数据源
    -------------------------------------------------------------------------------------
    Language English Chinese
    Pass Y N Y N
    Class Six
    1 girl 86 99 111 105
    boy 85 110 113 112
    2 girl 98 106 108 94
    boy 117 80 97 83
    3 girl 95 81 114 95
    boy 106 95 119 81 df.stack() # 默认将最内层的行索引(Pass)转换为了列索引
    -------------------------------------------------------------------------------------
    Language Chinese English
    Class Six Pass
    1 girl N 105 99
    Y 111 86
    boy N 112 110
    Y 113 85
    2 girl N 94 106
    Y 108 98
    boy N 83 80
    Y 97 117
    3 girl N 95 81
    Y 114 95
    boy N 81 95
    Y 119 106 df.unstack(level=0) # 指定将列索引(Class)转化成行索引
    -------------------------------------------------------------------------------------
    Language English Chinese
    Pass Y N Y N
    Class 1 2 3 1 2 3 1 2 3 1 2 3
    Six
    boy 85 117 106 110 80 95 113 97 119 112 83 81
    girl 86 98 95 99 106 81 111 108 114 105 94 95

七、多级索引转换单级索引

  • 步骤:先将多级的行索引转换为列索引,再重置列索引
  • 示例
    dt = df.stack()   # 将内层行索引()转换为列索引
    dt = dt.reset_index() # 重置列索引 print(dt)
    -------------------------------------------------------------------------------------
    Language Class Six Pass Chinese English
    0 1 girl N 105 99
    1 1 girl Y 111 86
    2 1 boy N 112 110
    3 1 boy Y 113 85
    4 2 girl N 94 106
    5 2 girl Y 108 98
    6 2 boy N 83 80
    7 2 boy Y 97 117
    8 3 girl N 95 81
    9 3 girl Y 114 95
    10 3 boy N 81 95
    11 3 boy Y 119 106
 
 

Pandas进阶之DataFrame多级索引的更多相关文章

  1. 数据分析入门——pandas之DataFrame多层/多级索引与聚合操作

    一.行多层索引 1.隐式创建 在构造函数中给index.colunms等多个数组实现(datafarme与series都可以) df的多级索引创建方法类似: 2.显式创建pd.MultiIndex 其 ...

  2. Pandas系列(十八)- 多级索引

    多级索引 多级索引(也称层次化索引)是pandas的重要功能,可以在Series.DataFrame对象上拥有2个以及2个以上的索引.实质上,单级索引对应Index对象,多级索引对应MultiInde ...

  3. 程序员用于机器学习编程的Python 数据处理库 pandas 进阶教程

    数据访问 在入门教程中,我们已经使用过访问数据的方法.这里我们再集中看一下. 注:这里的数据访问方法既适用于Series,也适用于DataFrame. **基础方法:[]和. 这是两种最直观的方法,任 ...

  4. pandas | 使用pandas进行数据处理——DataFrame篇

    本文始发于个人公众号:TechFlow,原创不易,求个关注 今天是pandas数据处理专题的第二篇文章,我们一起来聊聊pandas当中最重要的数据结构--DataFrame. 上一篇文章当中我们介绍了 ...

  5. pandas 学习(2): pandas 数据结构之DataFrame

    DataFrame 类型类似于数据库表结构的数据结构,其含有行索引和列索引,可以将DataFrame 想成是由相同索引的Series组成的Dict类型.在其底层是通过二维以及一维的数据块实现. 1.  ...

  6. python数据分析之pandas库的DataFrame应用二

    本节介绍Series和DataFrame中的数据的基本手段 重新索引 pandas对象的一个重要方法就是reindex,作用是创建一个适应新索引的新对象 ''' Created on 2016-8-1 ...

  7. pandas数据结构之Dataframe

    Dataframe DataFrame是一个[表格型]的数据结构,可以看做是[由Series组成的字典](多个series共用同一个索引).DataFrame由按一定顺序排列的多列数据组成.设计初衷是 ...

  8. [转]python中pandas库中DataFrame对行和列的操作使用方法

    转自:http://blog.csdn.net/u011089523/article/details/60341016 用pandas中的DataFrame时选取行或列: import numpy a ...

  9. Pandas之Series+DataFrame

    Series是带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,python对象) index查看series索引,values查看series值 series相比于ndarray,是一 ...

随机推荐

  1. 树莓派配置wifi网络+更换镜像源

    刚安装完系统后,采用的是树莓派通过网线连接笔记本wifi共享方式联网,后面考虑不使用网线,让树莓派使用wifi联网. 一.配置无线网络 1.通过ssh登录树莓派,输入用户名和密码后,输入如下命令进入图 ...

  2. HTML&CSS基础-meta标签

    HTML&CSS基础-meta标签 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 一.常见字符集 1>ASCII 我们知道计算机是由外国人发明的,他们当时也没有考虑到 ...

  3. Kotlin反射实践操作详解

    继续对反射进行实战. 获取构造方法: 先定义一个主构造方法,2个次构造方法,接下来咱们用反射来获取一下构造方法: 其结果: [fun <init>(kotlin.Int, kotlin.S ...

  4. P5431 【【模板】乘法逆元2】

    卡常毒瘤题.交了一页的我. 首先容易想出暴力的做法,直接逆元累加,复杂度\(O(nlogn)\). for(register int i=1;i<=n;++i){ ll a=read(); an ...

  5. 项目Beta冲刺(1/7)(追光的人)(2019.5.23)

    所属课程 软件工程1916 作业要求 Beta冲刺博客汇总 团队名称 追光的人 作业目标 描述Beta冲刺每日的scrum和PM报告两部分 队员学号 队员博客 221600219 小墨 https:/ ...

  6. Docker创建mysql镜像

    原文: https://blog.csdn.net/uk8692/article/details/49386679 https://blog.csdn.net/qq362228416/article/ ...

  7. sql null+字符=null

    哦,谢谢你,我还想问一个declare @temp varchar(10),@identity varchar(10),@sura varchar(10),@p int,@len int,@nod1  ...

  8. 微信小程序——<scroll-view>滚动到最底部

    最近在做个直播间,有个这样的需要,就是进入到页面,<scroll-view>需要滚动到最底部,并且发送消息之后自动的滚动到底部. 开始想着计算里面内容的高度,然后通过设置 scroll-t ...

  9. NOIP爆炸记

    NOIP爆炸游记 Day 0 Day 1 T1 T2 T3 Day 2 T1 T2 T3 最后 Day 0 复习模板 + 做真题 + 方 Day 1 早上吃了一片面包,就进了考场- T1 Exm??这 ...

  10. java正则表达式——规则表

    常用正则规则: 构造 匹配 字符 \\ 反斜线字符 \r 回车符 ('\u000D') \n 新行(换行)符 ('\u000A') 字符类 [abc] a.b 或 c [^abc] 任何字符,除了 a ...