【python数据分析】数据索引的创建，取值，排序

索引的创建，取值，排序

1.多层索引的创建

多层索引是Pandas中一个比较核心的概念，允许你在一个轴向上拥有多个索引层级，许多同学不能处理复杂的数据，最大的问题在于没法灵活的处理多层索引。

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5, 6],
              index=[['张三', '张三', '李四', '李四', '王五', '王五'],
                     ['期中', '期末', '期中', '期末', '期中', '期末']])
print(s)

✨效果

张三  期中    1
    期末    2
李四  期中    3
    期末    4
王五  期中    5
    期末    6
dtype: int64

从图中数据可以看出，张三那一列是数据的第一层索引，期中那一列是数据的第二层索引，而第二层索引值是和数据一一对应的。

但是，我们在创建的时候发现，也需要将名字和考试阶段一一对应，才可以。

🚩现在，我们将数据增加几个科目的成绩，演示DataFrame多层索引的创建方法。

由于成绩的数据比较多，我们将使用numpy的随机数方法构建成绩数据。
numpy会在后续中讲解，现在大家先体验一下，如何使用numpy构建实验数据：

import pandas as pd
import numpy as np
#size参数是指定生成6行3列的数组
data = np.random.randint(0,100,size=(6,3))
names = ['张三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([names,exam])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
df

✨下面是运行的效果，我用表格形式来为大家展示

		Java	Web	Python
张三	期中	84	35	57
	期末	96	36	92
李四	期中	42	5	64
	期末	47	55	76
王五	期中	81	34	74
	期末	54	81	69

我们虽然成功的创建了DataFrame的多层索引，但是有一个问题，在设置索引的时候会有很多重复的索引值，如何才能简化索引的写法呢？

Pandas为了解决这个问题，提供了一个创建多层索引的构造方法。

pd.MultiIndex.from_product()构建索引的方式

首先，确定每一层索引的值什么，然后以列表的形势传给from_product()方法即可。

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,3))
names = ['张三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([names,exam])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
print(df)

✨效果

我们成功创建了DataFrame的多层索引，而且你会发现，我们只需要关注每层索引的值都有哪些就可以了。

[names,exam]列表中的位置不同，产生的索引也会不同。

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,3))
names = ['张三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([exam,names])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
print(df)

✨效果

🚩经过上面的两段代码，下面我们一起总结一下：

1. 第一：from_product([exam,names])会将列表中第一个元素作为最外层索引，依次类推；

2. 第二：列表中元素值的对应关系，如下图：

2.多层索引的取值

创建不是我们的目的，我们的目的是如何从多层索引中获取到我们想要的数据。

看下面的代码

import pandas as pd
s = pd.Series([1,2,3,4,5,6],index=[['张三','张三','李四','李四','王五','王五'],
                                   ['期中','期末','期中','期末','期中','期末']])
print(s)

可以直接使用[]的方式取最外面的一个层级s[‘张三’]

🚩注意：[]取值方式，不可直接使用最外层以外的其他层级，例如：s[‘期末’]，并且[‘张三’,‘期末’]他们的顺序不能变。

不知道大家是否还记得loc和iloc的使用？

loc使用的是标签索引，iloc使用的是位置索引。
loc的使用方式和[]的方式基本一样：

但是，iloc的取值并不会受多层索引影响，只会根据数据的位置索引进行取值。

import pandas as pd
import numpy as np
#size参数是指定生成6行3列的数组
data = np.random.randint(0,100,size=(6,3))
names = ['张三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([names,exam])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
df.iloc[0]

✨效果

Java      84
Web       35
Python    57
Name: (张三, 期中), dtype: int32

在对多层索引DataFrame的取值是，我们推荐使用loc()函数。
同时对一二级索引进行检索:

df.loc['张三'].loc['期中']

✨效果

Java      84
Web       35
Python    57
Name: 期中, dtype: int32

df.loc[('张三','期中')]

✨效果

Java      84
Web       35
Python    57
Name: (张三, 期中)
dtype: int32

🚩注意：DataFrame中对行索引的时候和Series有一个同样的注意点，就是无法直接对二级索引直接进行索引，必须让二级索引变成一级索引后才能对其进行索引！

3.多层索引的排序

有时候，我们需要将分组或创建出来的多层索引数据，根据索引值进行排序。
我们先创建一个简单的多层索引数据：

import pandas as pd
data = np.random.randint(0, 100, size=(9, 3))
key1 = ['b', 'c', 'a']
key2 = [2, 1, 3]
index = pd.MultiIndex.from_product([key1, key2])
df = pd.DataFrame(data, index=index, columns=['Java', 'Web', 'Python'])
df

✨效果

		Java	Web	Python
a	2	19	70	14
	1	27	6	14
	3	93	27	46
b	2	35	88	87
	1	23	31	99
	3	59	90	17
c	2	73	40	58
	1	14	86	87
	3	10	5	75

DataFrame按行索引排序的方法是sort_index()，接下来我们看一下sort_index()是如何对多层索引进行排序。

默认状态下的排序：

df.sort_index()

✨效果

通过结果可以看出每一层都会根据索引值进行相应的升序排列。

df.sort_index()中的level参数可以指定是否按照指定的层级进行排列，第一层级索引值为0，第二层级索引值为1。

当level=0时，会根据第一层索引值进行降序排序：df.sort_index(level=0, ascending=False)
✨效果

通过上面的几个排序发现，可以通过level设置排序的索引层级，其他层索引也会根据其排序规则进行排序。

当level=1时，会根据第二层索引值进行降序排序：

✨效果

		Java	Web	Python
c	3	10	5	75
b	3	59	90	17
a	3	93	27	46
c	2	14	86	87
b	2	23	31	99
a	2	27	6	14
c	1	73	40	58
b	1	35	88	87
a	1	19	70	14

通过结果可以看出数据会根据第二层索引值进行相应的降序排列，如果索引值相同时会根据其他层索引值排列。

---

若有学习问题可加qq：2024810652