Pandas_03层次化索引

一、层次化索引：

在一个轴上拥有多个索引（两个及以上），它使得我们能以低纬度形式处理高纬度数据。层次化索引在数据重塑和基于分组的操作（透视表的生成）中扮演重要角色。

简单的说，层次化索引就是轴上有多个级别的索引。

二、带层次化索引的Series数组对象

1、创建带层次化索引的Series数组对象

import pandas as pd
import numpy as np

data = pd.Series(np.random.randint(1,10,10),index=[['a','a','a','b','b','b','c','c','c','c'], \
                                                    [1,2,3,1,2,3,1,2,3,4]],name = '随机整数')
data

out:

# 设置每一级索引的名称
data.index.names=['class1','class2']
data

# 查看Series的索引
data.index

levels：每个级别的标签去重后的数组
labels：以整数来表示每个level上标签的位置
names：每个级别索引的名字

MultiIndex(levels=[['a', 'b', 'c'], [1, 2, 3, 4]],
           labels=[[0, 0, 0, 1, 1, 1, 2, 2, 2, 2], [0, 1, 2, 0, 1, 2, 0, 1, 2, 3]],
           names=['class1', 'class2'])

2、利用层次化索引进行查询

• 通过一级索引进行数据查询

# 通过一级索引进行查询
data['a']

• 通过二级索引进行数据查询

# 通过二级索引进行查询
data[:,2]

• 通过两级索引共同进行数据查询

data['a',2]
# 输出9

3、数据的重塑 pd.unstack()

'''
Series.unstack(level=-1, fill_value=None)

参数说明：
level:默认-1,按照最后一级的列索引，将列数据变成行数据
fill_value：若有缺失值，可选择填充字符

函数作用：将数据的行“旋转”为列
'''
# Series.unstack(level=-1, fill_value=None)
data.unstack()

重塑前：

一维数组，只有一行数据

重塑后：

行数据变成了列数据，因为一级索引a、b 与 二级索引4对应的地方无数据，所以显示成缺失值NaN

注意：此时是一个三行四列的二维数组DataFrame!!!

填补缺失值为0

data.unstack(fill_value = 0)

指定按照一级索引（最外面一层索引）进行数据重塑

data.unstack(level=0,fill_value=0)

对应的使用stack()即可将列数据转换成行数据

data.unstack(level=0,fill_value=0).stack()

三、带层次化索引的DataFrame数组对象

1、创建带层次化索引的DataFrame数组对象

准备数据

import os

# 如果路径名包含中文，那么read_csv无法读取到文件，可先使用os.chdir。
os.chdir('E:\学习文档\data')

book_data = pd.read_csv("books.csv",encoding='gbk',sep=',',dtype={'original_publication_year':str} \
                        ,usecols =['isbn','authors','original_publication_year','language_code','books_count','ratings_count'])
book_data.head()

# 查看数据相关基础信息
book_data.info()

• 设置多层行索引

# 设置多层行索引
book_data.set_index(['original_publication_year','language_code'],inplace =True)
book_data.head()

效果如下：

查看行索引：

book_data.index

可以看出行索引是多重索引：

• 设置多层列索引

设置多层列索引前：

设置多层索引：

book_data.columns=[['base_info','base_info','count_info','count_info'],['isbn','authors','books_count','ratings_count']]
book_data.head()

设置多层列索引后：

可以设置一下不同级别的列索引的名称

book_data.columns.names = ['info','detail']

2、利用层次化索引进行查询

• 通过第一层行索引检索数据

# 通过第一层行索引检索数据
book_data.loc['2008'].head()

• 通过多层行索引检索数据
  (多层索引，要以元组形式进行查询)

book_data.loc[('2008','eng')].head()

• 通过第一层列索引检索数据

book_data['base_info'].head()

• 通过第二层列索引检索数据

book_data['isbn'].head()

报错：KeyError: ‘isbn’

要与第一层列索引一起使用

book_data['base_info','isbn'].head()

另外一种写法

book_data.loc[:,('base_info','isbn')].head()

四、重排分级数据

• swaplevel()

交换行索引级别

'''
swaplevel(i=-2, j=-1, axis=0)

i,j：要交换分级顺序的索引的下标

'''
book_data.swaplevel().head()

交换列索引级别

book_data.swaplevel(i=-2, j=-1,axis=1).head()

• 常搭配sortlevel()一起使用

'''book_data.sortlevel(level=0, axis=0, ascending=True, inplace=False, sort_remaining=True)'''
book_data.swaplevel(i=-2, j=-1,axis=1).sortlevel(0,axis = 0,ascending=False)

# book_data.sort_index(level = 0,axis = 0,ascending=False)
# 效果相同

如果索引是按字典方式，从外到内排序，调用sortlevel(0)或者sort_index()