Pandas实战中一些高端玩法
共 3763字，需浏览 8分钟
·
2022-05-27 10:50
DataFrame数据集当中的分层索引问题。什么是多重/分层索引
DataFrame数据集多重索引的创建
首先在“列”方向上创建多重索引，即我们在调用columns参数时传递两个或者更多的数组，代码如下
df1 = pd.DataFrame(np.random.randint(0, 100, size=(2, 4)),
index= ['ladies', 'gentlemen'],
columns=[['English', 'English', 'French', 'French'],
['like', 'dislike', 'like', 'dislike']])
output
index参数的时候传递两个或者更多数组即可，代码如下df = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),
index= [['English','', 'Chinese',''],
['like','dislike','like','dislike']],
columns=['ladies', 'gentlemen'])
output
除此之外，还有其他几种常见的方式来创建多重索引，分别是
pd.MultiIndex.from_arrayspd.MultiIndex.from_framepd.MultiIndex.from_tuplespd.MultiIndex.from_product
小编这里就挑其中的一种来为大家演示如何来创建多重索引，代码如下
df2 = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),
columns= ['ladies', 'gentlemen'],
index=pd.MultiIndex.from_product([['English','French'],
['like','dislike']]))
output
获取多重索引的值
接下来我们来看一下怎么获取带有多重索引的数据集当中的数据，使用到的数据集是英国三大主要城市伦敦、剑桥和牛津在2019年全天的气候数据，如下所示
import pandas as pd
from pandas import IndexSlice as idx
df = pd.read_csv('dataset.csv',
index_col=[0,1],
header=[0,1]
)
df = df.sort_index()
df
output
df.columns.levels
output
FrozenList([['Day', 'Night'], ['Max Temperature', 'Weather', 'Wind']])
我们想要获取第一层级上面的索引值，代码如下
df.columns.get_level_values(0)
output
Index(['Day', 'Day', 'Day', 'Night', 'Night', 'Night'], dtype='object')
那么同理，第二层级的索引值，只是把当中的0替换成1即可，代码如下
df.columns.get_level_values(1)
output
Index(['Weather', 'Wind', 'Max Temperature', 'Weather', 'Wind',
'Max Temperature'],
dtype='object')
那么在“行”方向上多重索引值的获取也是一样的道理，这里就不多加以赘述了
数据的获取
loc()方法以及iloc()方法了，例如df.loc['London' , 'Day']
## 或者是
df.loc[('London', ) , ('Day', )]
output
loc()方法来获取第一层级上的数据，要是我们想要获取所有“行”的数据，代码如下df.loc[:, 'Day']
## 或者是
df.loc[:, ('Day',)]
output
或者是所有“列”的数据，代码如下
df.loc['London' , :]
## 或者是
df.loc[('London', ) , :]
output
当然我们也可以这么来做，在行方向上指定第二层级上的索引，代码如下
df.loc['London' , '2019-07-02']
## 或者是
df.loc[('London' , '2019-07-02')]
output
多重索引的数据获取
假设我们想要获取剑桥在2019年7月3日白天的数据，代码如下
df.loc['Cambridge', 'Day'].loc['2019-07-03']
output
loc['Cambridge', 'Day']的时候返回的是DataFrame数据集，然后再通过调用loc()方法来提取数据，当然这里还有更加快捷的方法，代码如下df.loc[('Cambridge', '2019-07-01'), 'Day']
df.loc[
('Cambridge' , ['2019-07-01','2019-07-02'] ) ,
'Day'
]
output
或者是获取多列的数据，代码如下
df.loc[
'Cambridge' ,
('Day', ['Weather', 'Wind'])
]
output
df.loc[
('Cambridge', '2019-07-01': '2019-07-03'),
'Day'
]
output
这么来写是会报语法错误的，正确的方法应该是这么来做，
df.loc[
('Cambridge','2019-07-01'):('London','2019-07-03'),
'Day'
]
xs()方法的调用
xs()方法来指定多重索引中的层级，例如我们只想要2019年7月1日各大城市的数据，代码如下df.xs('2019-07-01', level='Date')
output
df.xs(('London', '2019-07-04'), level=['City','Date'])
output
axis参数来指定是获取“列”方向还是“行”方向上的数据，例如我们想要获取“Weather”这一列的数据，代码如下df.xs('Weather', level=1, axis=1)
output
当中的level参数代表的是层级，我们将其替换成0，看一下出来的结果
df.xs('Day', level=0, axis=1)
output
筛选出来的是三个主要城市2019年白天的气候数据
IndexSlice()方法的调用
Pandas内部也提供了IndexSlice()方法来方便我们更加快捷地提取出多重索引数据集中的数据，代码如下from pandas import IndexSlice as idx
df.loc[
idx[: , '2019-07-04'],
'Day'
]
output
我们同时可以指定行以及列方向上的索引来进行数据的提取，代码如下
rows = idx[: , '2019-07-02']
cols = idx['Day' , ['Max Temperature','Weather']]
df.loc[rows, cols]
output
对比Excel系列图书累积销量达15w册，让你轻松掌握数据分析技能，可以在全网搜索书名进行了解选购：
