【数据分析day03】多层索引dataframe聚合操作

最新推荐文章于 2021-07-12 22:08:41 发布
最新推荐文章于 2021-07-12 22:08:41 发布
阅读量569 收藏 2
点赞数
分类专栏： 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HFZeng/article/details/103169090
版权
本文介绍了在数据分析中如何对具有多层索引的DataFrame进行聚合操作。重点讲解了如何通过设置axis和level参数来保留特定级别的索引，并展示了如何计算平均值、标准偏差、最大值等统计指标。内容包括行方向与列方向的聚合操作，以及如何避免索引层级被聚合。
摘要由CSDN通过智能技术生成

多层索引dataframe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。

在这里插入图片描述

# 默认是计算每一列.
ddd.sum()  # 默认axis=0，列方向，行聚合没了

在这里插入图片描述

ddd.sum(axis=1) #行方向，保留行索引（列索引聚合没了）

在这里插入图片描述
平均值 和 标准偏差
在这里插入图片描述
最大值
行方向，聚合列，保留level1
在这里插入图片描述

多层索引df聚合

最低0.47元/天 解锁文章
曾青铜
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas数据处理---聚合操作[describe]排序[take]数据分类聚合[Series.groupby]高级数据聚合[DataFrame.groupby]
直心I
01-10 1160
4.使用聚合操作对数据异常值检测和过滤 4.1:describe A.使用函数：DataFrame.describe（self，percentiles = None，include = None，exclude = None ） B.参数解析： C.实战： C1.官方例子 C2. E.小节练习 5.排序 A.使用函数：DataFrame.take（self，index，axis = 0，is_...
pandas的DataFrame分组计数，调整展示结果
善皮之的博客
11-30 4655
关于pandas的聚合函数
数据分析入门——pandas之DataFrame多层/多级索引与聚合操作
weixin_30549657的博客
08-11 644
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 　　　　　　其中.from_arrays为类似上面的参数，推荐使用简单的from_product函数（会自动进行交叉）： 　　　...
pandas dataframe多重索引常用操作
江州司马
03-07 1万+
增加(创建) df1=pd.DataFrame(np.arange(12).reshape(4,3),index=[list("AABB"),[1,2,1,2]],columns=[list("XXY"),[10,11,10]]) df1.index=pd.MultiIndex.from_arrays([list("AABB"),[3,4,3,4]],names=["AB","num"]) df ...
索引覆盖与回表
AF_0228的博客
09-09 5588
懂的越多，不懂的越多 上回书说到：什么情况下，索引下推没办法提高sql查询效率？ 表 info 主键 id 名称 name 值 value 别名 realname 对于info表，我们现在有（name,value）联合索引
【数据挖掘重要笔记day14】pandas层次化索引+创建多层行索引+显示构造pd.MultiIndex+多层索引对象的索引与切片操作+索引的堆（stack）+DataFrame的聚合操作
汪雯琦的博客
02-12 983
文章目录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.MultiIndex3. 多层索引对象的索引与切片操作DataFrame的操作4. 索引的堆（stack）5. 聚合操作 pandas层次化索引 import pandas as pd import numpy as np 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...
Day080 多层索引
Melody_92的博客
10-10 307
多层索引 多层索引(MultiIndex)，具有多个层次索引，有些类似于根据索引进行分组的形式。通过多层次索引，我们可以使用高层次索引，来操作整个索引组的数据。 创建方式 第一种 我们在创建Series或者DataFrame时，通过index(columns)参数传递多维数组，进而创建多级索引。多级索引可以通过names属性设置名称，每级索...
Anacoda&Jupyter DAY 03 处理丢失数据&pandas层次化索引&pandas拼接操作
Galahad_Lin的博客
08-19 379
Anacoda&Jupyter DAY 03 重点知识总结 处理丢失数据&pandas层次化索引&pandas拼接操作 一 处理丢失数据 一共有两种丢失数据: None np.nan(NaN) None None是python自带的 其类型为python object 因此 None不能参与到任何计算当中 object类型的运算会比int类型的运算会慢很多 np.nan(NaN) np.nan是浮点类型 能参与到计算中 但是参与到计算中的结果总是为nan 我们可以使用 np.nan
【数据分析day03】pandas的拼接操作之级联：concat & append
HFZeng的博客
11-21 750
pandas的拼接操作：级联&合并pandas的拼接分为两种：级联,合并pd.concat()级联1) 简单级联(匹配级联)2) 不匹配级联有3种连接方式：pd.append（）级联 pandas的拼接分为两种：级联,合并 级联：pd.concat, pd.append 合并：pd.merge 对比：级联（增加），聚合（减少） pd.concat()级联 为方便讲解，我们首先定义一个生...
python Dataframe多索引切片操作 行多层索引
zhangzhibo1990的博客
08-23 6217
python Dataframe多索引切片操作 行多层索引获取数据获取多索引的index获取外层索引：获取内层索引：修改索引的名称：索引内外层调换：索引排序获取多重索引中的第一个索引id为50011978的数据 xs 方法data.xs(50011978).head()data.loc[(50011979,slice(None)),:]获取外层索引为50011978 ，内层索引为2016-12-1...
【数据分析day03】pandas“层次化索引对象”的多层索引,切片,stack
HFZeng的博客
11-20 1032
pandas“层次化索引对象”的多层索引,切片,stackSeries创建多层索引DataFrame创建多层索引Series（多层索引对象）的索引和切片DataFrame（多层索引对象）的索引和切片元素的索引 （显式，隐式）小结：坑点索引的堆（stack） 导入 (常规操作) import numpy as np import pandas as pd import matplotlib.pypl...
Python数据分析pandas之多层高维索引
数据科学汇集
07-12 1901
Python数据分析pandas之多层维索引 DataFrame多层索引 多层索引简介 众所周知Pandas的Series和DataFrame存放的是一维和二维数组，那么想存放多维数组就得通过多层索引来实现。通常一维的索引能够满足我们的大部分需求，但如果我们想通过Pandas存储高维数据，那么就要用到多层索引，这里层即是层次（hierarchy）、级（Level）。 层（维）比较好理解的例子就是地理位置，如行政区划（国家、省、市、县等）。 初始化多层索引 通过from_tuples元组生成
DataFrame多重索引
kylinxjd的博客
09-05 1万+
DataFrame多重索引，分组计算
Python的DataFrame切片大全（包含多重索引）
热门推荐
Asher117的博客
06-05 7万+
摘要 这篇主要讲解如何对pandas的DataFrame进行切片，包括取某行、某列、某几行、某几列、以及多重索引的取数方法。 导入包并构建DataFrame二维数据 取DataFrame的某列三种方法 取DataFrame某几列的两种方法 取DataFrame的某行三种方法 取DataFrame的某几行三种方法 取DataFrame的某特定位置元素的方法 ...
pandas 学习 第11篇：DataFrame-数据处理（分组、聚合、窗口、相关、统计）
albh81462的博客
09-27 1572
数据处理的目的是为了数据分析，下面分享常用的数据分析中会用到的函数。 一，分组和聚合 groupby用于对数据分组，分组之后可以直接调用聚合函数求值；agg()函数把分组和调用聚合函数集成到一个函数来实现： DataFrame.groupby(self, by=None, axis=0, level=None, as_index=True, sort=True, group_...
pandas分组统计 - groupby功能
u010199356的博客
01-05 3万+
数据分组 分组统计 - groupby功能 ① 根据某些条件将数据拆分成组 ② 对每个组独立应用函数 ③ 将结果合并到一个数据结构中 Dataframe在行（axis=0）或列（axis=1）上进行分组，将一个函数应用到各个分组并产生一个新值，然后函数执行结果被合并到最终的结果对象中。 df.groupby(by=None, axis=0, level=None, as_index=True, s...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值