4.7 pandas的索引处理

4.7 pandas的索引处理

In [1]:

#引入相关模块
import numpy as np   # pandas和numpy常常结合在一起使用，导入numpy库
import pandas as pd  # 导入pandas库
print(pd.__version__) # 打印pandas版本信息

1.4.1

4.7.1 多层索引MultiIndex的创建方式

层次化索引（hierarchical indexing）又称多层索引，是pandas的一项重要功能，在一个轴上拥有多个（两个以上）索引级别，使用户能以低维度形式处理高维度数据。创建多层索引的方式有如下几种：

1. 在创建Series或DataFrame时，可以通过给index（columns）参数传递嵌套列表（类似于多维数组），进而构建多维索引。每个元素（一维数组）指定每个层级的索引。

In [2]:

df1 = pd.DataFrame(np.random.randint(2,20,size=(4, 8)), index=[["2020", "2020", "2021", "2021"],
["上半年", "下半年", "上半年", "下半年"]],
columns=[["水果", "水果","水果","水果", "蔬菜", "蔬菜","蔬菜","蔬菜"], 
["苹果",'西瓜', "香蕉", "桔子","黄瓜","茄子", "胡萝卜","辣椒"]])
df1

Out[2]:

		水果				蔬菜
		苹果	西瓜	香蕉	桔子	黄瓜	茄子	胡萝卜	辣椒
2020	上半年	13	9	15	9	13	15	7	8
	下半年	9	8	2	9	13	13	8	9
2021	上半年	7	4	3	6	11	13	18	15
	下半年	8	6	11	16	14	5	9	4

多层索引的索引属性：

In [3]:

df1.index

Out[3]:

MultiIndex([('2020', '上半年'),
            ('2020', '下半年'),
            ('2021', '上半年'),
            ('2021', '下半年')],
           )

In [4]:

df1.columns

Out[4]:

MultiIndex([('水果',  '苹果'),
            ('水果',  '西瓜'),
            ('水果',  '香蕉'),
            ('水果',  '桔子'),
            ('蔬菜',  '黄瓜'),
            ('蔬菜',  '茄子'),
            ('蔬菜', '胡萝卜'),
            ('蔬菜',  '辣椒')],
           )

可以发现，多层索引的一个索引元素是元组而不是单层索引的标量。这里的df1对应着四维数组：两层行索引+两层列索引，在进行索引切片操作时同样满足numpy的索引切片操作的维度变化规律。

MultiIndex多层索引有个属性level，表示第几层索引，最外层为第0层索引，依次往内，对应1，2...层索引。可以通过下标获取对应层级索引：

In [5]:

df1.columns.levels[0]

Out[5]:

Index(['水果', '蔬菜'], dtype='object')

In [6]:

df1.columns.levels[1]

Out[6]:

Index(['桔子', '胡萝卜', '苹果', '茄子', '西瓜', '辣椒', '香蕉', '黄瓜'], dtype='object')

In [7]:

df1.index.levels[0]

Out[7]:

Index(['2020', '2021'], dtype='object')

In [8]:

df1.index.levels[1]

Out[8]:

Index(['上半年', '下半年'], dtype='object')

对于多层索引，也可以设置索引的名称，此时，设置名称的属性为names（通过一维数组来设置）。每层索引都具有名称

In [9]:

df1.index.names = ["年份", "半年"]
df1.columns.names = ["大类", "小类"]
df1

Out[9]:

	大类	水果				蔬菜
	小类	苹果	西瓜	香蕉	桔子	黄瓜	茄子	胡萝卜	辣椒
年份	半年
2020	上半年	13	9	15	9	13	15	7	8
	下半年	9	8	2	9	13	13	8	9
2021	上半年	7	4	3	6	11	13	18	15
	下半年	8	6	11	16	14	5	9	4

1. 通过MultiIndex类的from_arrays或from_tuples方法，预先创建MultiIndex对象，作为Series与DataFrame中的index（或columns）参数值。

• from_arrays：接收一个多维数组参数，高维指定高层索引，低维指定底层索引。
• from_tuples：接收一个元组的列表，每个元组指定每个索引(高维索引，低维索引)。

In [10]:

# from_arrays 参数为一个二维数组，每个元素（一维数组）分别为每层索引的内容。
mindex_arrsys = pd.MultiIndex.from_arrays([["2020", "2020", "2021", "2021"], 
                                           ["上半年", "下半年", "上半年", "下半年"]])
df2 = pd.DataFrame(np.random.randint(2,20,size=(4, 6)), index=mindex_arrsys)#作为行索引
df2

Out[10]:

		0	1	2	3	4	5