Pandas-层次化索引

全文共401字，预计阅读时间5分钟。

层次化索引是pandas的一项重要功能，它能使你在一个轴上有多个索引级别，也就是说，它能使你以低维度形式处理高维度数据，比如下面的代码：

data = pd.Series(np.random.randn(10),index=[['a','a','a','b','b','b','c','c','d','d'],[1,2,3,1,2,3,1,2,2,3]])
data
#输出

a  1    0.4979702   -0.0423773   -0.018719
b  1    0.0614122   -1.3138883    0.751478
c  1   -0.2413292   -1.945047
d  2    0.4607863   -0.411931
dtype: float64

data.index
#输出
MultiIndex(levels=[['a', 'b', 'c', 'd'], [1, 2, 3]],
       labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])

有了层次化索引之后，我们很容易的访问分块数据：

data['b']
#输出
1    0.061412
2   -1.313888
3    0.751478
dtype: float64

data[:,2]
#输出
a   -0.042377
b   -1.313888
c   -1.945047
d    0.460786
dtype: float64

层次化索引在数据重塑和基于分组的操作中扮演重要的角色。比如，上面的数据可以使用unstack方法重塑成为一个DataFrame:

data.unstack()
#输出
1   2   3
a   0.497970    -0.042377   -0.018719
b   0.061412    -1.313888   0.751478
c   -0.241329   -1.945047   NaN
d   NaN 0.460786    -0.411931

unstack的逆运算是stack()

data.unstack().stack()
#输出
a  1    0.4979702   -0.0423773   -0.018719
b  1    0.0614122   -1.3138883    0.751478
c  1   -0.2413292   -1.945047
d  2    0.4607863   -0.411931
dtype: float64

DataFrame的行列索引都可以使用层次化索引：

frame = pd.DataFrame(np.arange(12).reshape((4,3)),index=[['a','a','b','b'],[1,2,1,2]],columns=[['Ohio','Ohio','Colorado'],['Green','Red','Green']])
frame
#输出
Ohio    Colorado
Green   Red Green
a   1   0   1   2
2   3   4   5
b   1   6   7   8
2   9   10  11

我们可以创建层次化索引MulitIndex：

index = pd.MultiIndex.from_arrays([['Ohio','Ohio','Colorado'],['Green','Red','Green']],names=['state','color'])
index

#输出
MultiIndex(levels=[['Colorado', 'Ohio'], ['Green', 'Red']],       
           labels=[[1, 1, 0], [0, 1, 0]],       
            names=['state', 'color'])frame.columns=indexframe

#输出
state   Ohio    Colorado
color   Green   Red Green
a   1   0   1   2
2   3   4   5
b   1   6   7   8
2   9   10  11

我们可以给我们的索引赋予名字：

frame.index.names=['key1','key2']
frame
#输出
state   Ohio    Colorado
color   Green   Red Green
key1    key2            a   1   0   1   2
2   3   4   5
b   1   6   7   8
2   9   10  11

我们可以使用swaplevel交换两个索引的级别，swaplevel接受两个级别编号或者名称，并返回一个互换了级别的新对象：

frame.swaplevel('key1','key2')
#输出
state   Ohio    Colorado
color   Green   Red Green
key2    key1            1   a   0   1   2
2   a   3   4   5
1   b   6   7   8
2   b   9   10  11

使用层次化索引时，sort_index中的level指定了根据哪个索引级别进行排序，sum等汇总统计函数中的level参数指定了根据哪个索引级别进行汇总统计：

frame.sort_index(level = 0)
frame.sum(level='key2')
frame.sum(level='color',axis=1)

原文链接：https://mp.weixin.qq.com/s?__biz=MzI1MzY0MzE4Mg==&mid=2247483787&idx=2&sn=6667a9cf3a5809d9aab5efb9e209dc7d&chksm=e9d0114adea7985cc41bb218a46d368ff243ad72188da83c22ead3962d5ebcd524b8ac62cba0&scene=21#wechat_redirect

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：

www.leadai.org

请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

LSTM模型在问答系统中的应用

基于TensorFlow的神经网络解决用户流失概览问题

最全常见算法工程师面试题目整理（一）

最全常见算法工程师面试题目整理（二）

TensorFlow从1到2 | 第三章 深度学习革命的开端：卷积神经网络

装饰器 | Python高级编程

今天不如来复习下Python基础