深入了解 Pandas 中的层次化索引（Hierarchical Indexing）

最新推荐文章于 2024-08-11 18:52:49 发布

hzdt_1

最新推荐文章于 2024-08-11 18:52:49 发布

阅读量1k

点赞数 32

分类专栏： python python数据分析三剑客文章标签： pandas 笔记 python

本文链接：https://blog.csdn.net/hzdt_1/article/details/136366965

版权

python 同时被 2 个专栏收录

25 篇文章 0 订阅

订阅专栏

python数据分析三剑客

19 篇文章 0 订阅

订阅专栏

层次化索引（Hierarchical Indexing）是 Pandas 中一种用于处理多维数据的重要功能。它允许在一个轴上拥有多个（两个或更多）索引级别，从而能够更灵活地表示和操作高维数据。

创建多层索引

隐式构造创建多层索引

1.通过给DataFrame构造函数的index参数传递两个或更多的数组

import numpy as np
import pandas as pd
from pandas import DataFrame, Series

columns = [['期中', '期中', '期中', '期中', '期末', '期末', '期末', '期末'], ['语文', '数学', '英语', '综合', '语文', '数学', '英语', '综合']]
index = [['一班', '一班', '一班', '一班', '一班', '二班', '二班','二班', '二班', '二班'], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八', '钱九', '陈十', '赵四', '小明']]
data = np.random.randint(0, 150, size=(10, 8))
df = DataFrame(index=index, data=data, columns=columns)
df

		期中				期末
		语文	数学	英语	综合	语文	数学	英语	综合
一班	张三	61	68	113	53	17	111	96	24
	李四	19	63	138	75	66	87	78	124
	王五	5	140	50	141	111	107	78	95
	赵六	40	30	26	35	139	100	71	122
	田七	23	113	147	106	87	48	108	30
二班	孙八	107	20	65	112	19	38	73	34
	钱九	138	135	77	10	3	92	79	30
	陈十	24	9	110	95	103	49	19	108
	赵四	3	125	22	134	10	112	100	73
	小明	8	25	5	124	1	55	71	27

扩展：series也可以创建多层索引

# Series也可以创建多层索引
index = [['一班', '一班', '一班', '一班', '一班', '二班', '二班','二班', '二班', '二班'], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八', '钱九', '陈十', '赵四', '小明']]

data = np.random.randint(0, 150, size=(10, ))
s = Series(data=data, index=index)
s

index = [['一班', '一班', '一班', '一班', '一班', '二班', '二班','二班', '二班', '二班'], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八', '钱九', '陈十', '赵四', '小明']]

data = np.random.randint(0, 150, size=(10, ))
s = Series(data=data, index=index)
s
"""
一班  张三    123
    李四     19
    王五    117
    赵六     32
    田七     61
二班  孙八    123
    钱九     90
    陈十     38
    赵四    114
    小明     14
dtype: int32
"""

显示构造pd.MultiIndex创建多层索引

1.使用数组

columns = pd.MultiIndex.from_arrays([['期中', '期中', '期中', '期中', '期末', '期末', '期末', '期末'], ['语文', '数学', '英语', '综合', '语文', '数学', '英语', '综合']])
index = pd.MultiIndex.from_arrays([['一班', '一班', '一班', '一班', '一班', '二班', '二班','二班', '二班', '二班'], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八', '钱九', '陈十', '赵四', '小明']])
data = np.random.randint(0, 150, size=(10, 8))
df = DataFrame(index=index, columns=columns, data=data)
df

		期中				期末
		语文	数学	英语	综合	语文	数学	英语	综合
一班	张三	6	65	46	42	19	70	46	140
	李四	61	51	85	23	118	37	135	84
	王五	146	46	142	23	115	83	7	59
	赵六	91	69	41	7	55	144	148	85
	田七	41	35	36	40	126	31	102	143
二班	孙八	132	147	15	126	59	97	62	43
	钱九	130	148	99	60	111	126	86	4
	陈十	32	73	129	40	73	75	60	86
	赵四	104	56	95	130	79	70	49	27
	小明	107	54	143	77	28	125	119	118

2.使用tuple

columns = pd.MultiIndex.from_tuples((('期中', '语文'), ('期中', '英语'), ('期中', '数学'), ('期中','综合'), ('期末', '语文'), ('期末', '英语'), ('期末', '数学'), ('期末','综合')))
index = [['一班', '一班', '一班', '一班', '一班', '二班', '二班','二班', '二班', '二班'], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八', '钱九', '陈十', '赵四', '小明']]
data = np.random.randint(0, 150, size=(10, 8))
df = DataFrame(index=index, columns=columns, data=data)
df

		期中				期末
		语文	英语	数学	综合	语文	英语	数学	综合
一班	张三	40	128	63	109	58	92	127	108
	李四	66	54	131	77	61	34	73	67
	王五	64	69	102	114	34	15	68	145
	赵六	64	0	54	48	122	133	85	9
	田七	118	63	25	12	104	111	60	33
二班	孙八	60	39	67	30	74	29	133	124
	钱九	94	1	61	74	143	145	74	111
	陈十	148	39	112	45	137	51	128	144
	赵四	131	132	24	74	29	52	71	39
	小明	23	61	84	40	111	6	114	114

3.使用product(推荐使用)

columns = pd.MultiIndex.from_product([['期中', '期末'], ['语文', '数学', '英语', '综合']])
index = [['一班', '一班', '一班', '一班', '一班', '二班', '二班','二班', '二班', '二班'], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八', '钱九', '陈十', '赵四', '小明']]
data = np.random.randint(0, 150, size=(10, 8))
df = DataFrame(index=index, columns=columns, data=data)
df

		期中				期末
		语文	数学	英语	综合	语文	数学	英语	综合
一班	张三	134	59	140	13	141	96	55	92
	李四	90	23	44	71	13	42	96	21
	王五	7	133	39	96	6	93	130	144
	赵六	35	29	21	29	53	44	87	129
	田七	109	104	114	104	65	88	19	101
二班	孙八	12	35	42	46	85	46	146	69
	钱九	109	25	149	138	92	50	94	109
	陈十	142	63	39	39	59	62	63	72
	赵四	76	16	114	140	102	124	42	147
	小明	79	100	103	127	81	53	14	5

多层索引对象的索引与切片操作

Series索引与切片

s
"""
一班  张三    123
    李四     19
    王五    117
    赵六     32
    田七     61
二班  孙八    123
    钱九     90
    陈十     38
    赵四    114
    小明     14
dtype: int32
"""

# 显式索引, 多层索引的原则: 一定要从最外层索引往内层走
s.loc['一班']
"""
张三    123
李四     19
王五    117
赵六     32
田七     61
dtype: int32
"""

# 多层索引建议括号括起来. 
s.loc[('一班', '张三')] # 123

# 隐式索引
s.iloc[0] #  123

# 显式切片
s.loc['一班': '二班']
"""
一班  张三    123
    李四     19
    王五    117
    赵六     32
    田七     61
二班  孙八    123
    钱九     90
    陈十     38
    赵四    114
    小明     14
dtype: int32
"""

# 不建议多层索引进行内层索引的切片
# s.loc[('一班', '张三'): ('二班', '钱九')] # 异常

# 建议使用隐式索引. 
s.iloc[:7]
"""
一班  张三    123
    李四     19
    王五    117
    赵六     32
    田七     61
二班  孙八    123
    钱九     90
dtype: int32
"""

DataFrame索引与切片

columns = pd.MultiIndex.from_product([['期中', '期末'], ['语文', '数学', '英语']])
index = [['一班', '一班', '一班', '二班', '二班','二班', ], 
         ['张三', '李四', '王五', '赵六', '田七', '孙八', ]]
data = np.random.randint(0, 150, size=(6, 6))
df = DataFrame(index=index, columns=columns, data=data)
df

		期中			期末
		语文	数学	英语	语文	数学	英语
一班	张三	147	119	77	27	39	103
	李四	124	11	141	48	46	135
	王五	132	64	13	102	134	137
二班	赵六	136	75	34	19	23	69
	田七	47	77	115	12	52	94
	孙八	115	22	118	23	98	64

1.列索引与切片

# 显式索引, 直接中括号
df['期中', '语文'] # 返回Series

# 推荐使用括号括起来.
df[('期中', '语文')] # 返回Series

"""
一班  张三    147
    李四    124
    王五    132
二班  赵六    136
    田七     47
    孙八    115
Name: (期中, 语文), dtype: int32
"""

# 隐式的列索引
df.iloc[:, 0]
"""
一班  张三    147
    李四    124
    王五    132
二班  赵六    136
    田七     47
    孙八    115
Name: (期中, 语文), dtype: int32
"""

# 列的显式索引切片虽然不报错, 但是没有内容. 
df['期中': '期末']

		期中			期末
		语文	数学	英语	语文	数学	英语

# 推荐使用隐式索引去切片
df.iloc[:, 1:4]

		期中		期末
		数学	英语	语文
一班	张三	119	77	27
	李四	11	141	48
	王五	64	13	102
二班	赵六	75	34	19
	田七	77	115	12
	孙八	22	118	23

2.行索引与切片

行索引推荐使用loc()函数(使代码更加清晰和易于理解）

# 行索推荐用.loc
df.loc['一班']

	期中			期末
	语文	数学	英语	语文	数学	英语
张三	147	119	77	27	39	103
李四	124	11	141	48	46	135
王五	132	64	13	102	134	137

# 不能直接索引内层索引
# df.loc['张三'] # KeyError: '张三'

df.loc['一班','张三'] # 返回Series

# 建议多层索引用括号括起来. 
df.loc[('一班','张三')] # 返回Series

"""
期中  语文    147
    数学    119
    英语     77
期末  语文     27
    数学     39
    英语    103
Name: (一班, 张三), dtype: int32
"""

# 隐式索引 找第0行
df.iloc[0]
"""
期中  语文    147
    数学    119
    英语     77
期末  语文     27
    数学     39
    英语    103
Name: (一班, 张三), dtype: int32
"""

# 行切片
df.loc['一班': '二班']

		期中			期末
		语文	数学	英语	语文	数学	英语
一班	张三	147	119	77	27	39	103
	李四	124	11	141	48	46	135
	王五	132	64	13	102	134	137
二班	赵六	136	75	34	19	23	69
	田七	47	77	115	12	52	94
	孙八	115	22	118	23	98	64

# 推荐使用隐式索引去完成切片
df.iloc[0:5]

		期中			期末
		语文	数学	英语	语文	数学	英语
一班	张三	147	119	77	27	39	103
	李四	124	11	141	48	46	135
	王五	132	64	13	102	134	137
二班	赵六	136	75	34	19	23	69
二班	田七	47	77	115	12	52	94

# 元素的索引. 永远都是先索引行, 再索引列. 
df.loc[('一班', '张三'), ('期中', '语文')] # 147

# 隐式写法
df.iloc[0, 0] # 147

注意在对行索引的时候，若一级行索引还有多个，对二级行索引会遇到问题！也就是说，无法直接对二级索引进行索引，必须让二级索引变成一级索引后才能对其进行索引！

# 如果要使用‘一班’中所有同学名字的二级索引
df1 = df.loc['一班']
df1

	期中			期末
	语文	数学	英语	语文	数学	英语
张三	147	119	77	27	39	103
李四	124	11	141	48	46	135
王五	132	64	13	102	134	137

# 此时df1拿到了‘一班’所有同学成绩，同学名字作为1级索引
# 此时可以使用'同学名字'直接索引
df1.loc['张三']
"""
期中  语文    147
    数学    119
    英语     77
期末  语文     27
    数学     39
    英语    103
Name: 张三, dtype: int32
"""