Pandas进阶

一、Pandas索引

1.行索引

#创建Series
s=np.Series(np.random.rand(5),index=list('abcde'))
#对行索引命名
s.index.name='alpha'
#获取行索引
s.index

2.列索引

df = pd.DataFrame(np.random.randn(4, 6), index=list('ADFH'), columns=['one', 'two', 'three', 'four', 'five', 'six'])
#行索引
df.index
#列索引
df.columns

3.索引类

pandas 中有许多内置索引，其中包括：

• pd.CategoricalIndex
• pd.DatetimeIndex
• pd.Float64Index
• pd.Index
• pd.Int64Index
• pd.IntervalIndex
• pd.MultiIndex
• pd.PeriodIndex
• pd.RangeIndex
• pd.TimedeltaIndex
• pd.UInt64Index

4.重复索引

可创建索引值重复的索引：

s=pd.Series(np.arrange(6),index=list('abcdea')

对于重复的索引值，依旧返回Series；

s['a']

对于非重复的索引值，则返回索引到的数据；

s['c']

• 判断 Series 中是否为唯一索引

s.index.is_unique

• 返回所有非重复的索引值的列表

s.index.unique()

5.多层索引

• 层次化索引
  可以使数据在一个轴上有多个索引级别。即可以用二维的数据表达更高维度的数据，使数据组织方式更清晰。它使用 pd.MultiIndex 类来表示。

• 层次化索引有什么作用？
  比如我们在分析股票数据，我们的一级行索引可以是日期；二级行索引可以是股票代码，列索引可以是股票的交易量，开盘价，收盘价等等。这样我们就可以把多个股票放在同一个时间维度下进行考察和分析。

1）创建

• Series多层索引的创建

[in]:
a = [['a', 'a', 'a', 'b', 'b', 'c', 'c'], [1, 2, 3, 1, 2, 2, 3]]
tuples = list(zip(*a))
tuples

[out]:
[('a', 1), ('a', 2), ('a', 3), ('b', 1), ('b', 2), ('c', 2), ('c', 3)]

[in]:
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
index

[out]:
MultiIndex(levels=[[u'a', u'b', u'c'], [1, 2, 3]],
           labels=[[0, 0, 0, 1, 1, 2, 2], [0, 1, 2, 0, 1, 1, 2]],
           names=[u'first', u'second'])
[in]:
s = pd.Series(np.random.randn(7), index=index)
s

[out]:
first  second
a      1        -1.192113
       2         0.226627
       3         0.390052
b      1         0.045297
       2         1.552926
c      2         0.014007
       3        -0.257103
dtype: float64

由此就创建了一个多层索引数据
第一层索引’first’的索引值为a.b.c；
第二层索引‘second’的索引值为 1.2.3；

Series多层索引的使用：
例 1：

[in]:
s['b']

[out]:
second
1    0.045297
2    1.552926
dtype: float64

例 2：

[in]:
s['b':'c']

[out]:
first  second
b      1         0.045297
       2         1.552926
c      2         0.014007
       3        -0.257103
dtype: float64

• DataFrame 多层索引的创建：

[in]:
df = pd.DataFrame(np.random.randint(1, 10, (4, 3)), 
                  index=[['a', 'a', 'b', 'b'], ['A', 'B', 'A', 'B']], 
                  columns=[['one', 'one', 'two'], ['blue', 'red', 'blue']])
df.index.names = ['row-1', 'row-2']
df.columns.names = ['col-1', 'col-2']
df

DataFrame多层索引的使用：

[in]:
df.loc['a','B']

[out]:
col-1  col-2
one    blue     7
       red      2
two    blue     4
Name: (a, B), dtype: int64

2）索引交换

[in]:
df2 = df.swaplevel('row-1', 'row-2')

交换前：
交换后：

3）按照索引层次进行统计

#按照一级索引进行求和
df.sum(level=0)

#按照二级索引进行求和
df.sum(