pandas索引对象

最新推荐文章于 2024-02-06 23:01:28 发布

百分之一的酸奶

最新推荐文章于 2024-02-06 23:01:28 发布

阅读量180

点赞数

文章标签： pandas python 开发语言

本文链接：https://blog.csdn.net/qq_26552867/article/details/133123116

版权

一、什么是索引对象

索引对象的理解其实很简单，索引对象的作用主要是负责管理轴标签和其他元数据的。构建Series和DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index。pandas中Index类来表示基本索引对象。来看两个打印，分别是索引对象所在类名输出，一个是其__doc__属性。

import pandas as pd
import numpy as np

print(pd.Index)
print(pd.Index.__doc__)

二、索引对象的获取

import pandas as pd
import numpy as np

a = pd.Index([1, 2, 3])
b = pd.Index(list('abc'))
print(a)
print(b)


"""
结果

Index([1, 2, 3], dtype='int64')
Index(['a', 'b', 'c'], dtype='object')
"""

我们来看一下上述输出的最后有两个例子，即使用pd.Index()方法就能创建一个索引对象。第一个输出dtype='int64'，第二个dtype='object'，第二个输出难道不是dtype='string'，要回答这个问题，我们先看另外一个例子：

import pandas as pd
import numpy as np

data_test = pd.DataFrame({"Yes_No": [True, False],
                          "Value": [1.1, 2],
                          "Type": ['Small', 'large']
                          })
print(data_test.dtypes)


"""
结果

Yes_No       bool
Value     float64
Type       object
dtype: object
"""

“Type”行数据的类型为object,并不是String,跟索引对象中的一致，这是为什么呢？简单的说就是：dtype对象来自NumPy，它描述ndarray中元素的类型。ndarray中的每个元素都必须具有相同的字节大小。对于int64和float64，它们是8个字节。但是对于字符串，字符串的长度不是固定的，Pandas使用了一个对象ndarray来保存指向对象的指针，而不是直接在ndarray中保存字符串的字节，因此这种ndarray的dtype是object。

弄清楚这个问题，我们就可以看一下索引对象怎么获取了：

import pandas as pd
import numpy as np

df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23'],
                   'count': [1, 2, 3]}, index=['a', 'b', 'c'])
print(df)
print('获取的索引对象为：', df.index)
print('获取的索引对象值为：', df.index.values)


"""
结果

         time  count
a  2023-09-21      1
b  2023-09-22      2
c  2023-09-23      3
获取的索引对象为： Index(['a', 'b', 'c'], dtype='object')
获取的索引对象值为： ['a' 'b' 'c']
"""

使用df.index获取索引对象，使用df.index.values获取索引对象数据。

三、索引的可重复性

索引对象的索引是可以重复的，这句话是什么意思呢？我们在构建DataFrame的时候传入的index是可以重复的，可以这样: index=['a','b','c']，可以这样index=['a','b','a']，还可以这样index=['a','a',None]等等。

import pandas as pd
import numpy as np

df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23', '2023-09-24'],
                   'count': [1, 2, 3, 4]}, index=['a', 'b', 'a', 'b'])
print(df)
print(df.index.is_unique)
print(df.index.isna())


"""
结果

         time  count
a  2023-09-21      1
b  2023-09-22      2
a  2023-09-23      3
b  2023-09-24      4
False
[False False False False]
"""

第一行输出包含重复索引的DataFrame。

第二行代码使用is_unique()方法来判断索引是否是唯一不重复的，返回bool值。

第三行代码使用isna()方法来判断索引是否是None值。

四、索引的不可修改性

索引的不可修改性就是说这个索引是不支持进行修改的，但是可以进行重置。换句话说索引是不支持部分修改的，可以全部替换。

import pandas as pd
import numpy as np

df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23', '2023-09-24'],
                   'count': [1, 2, 3, 4]}, index=['a', 'b', 'a', 'b'])
print(df.index[0])
df.index[0] = "p"


"""
结果

报错：
    TypeError: Index does not support mutable operations
"""

那么该如何进行这个索引的修改的呢？介绍重置索引的方法：

1. 直接赋值替换

import pandas as pd
import numpy as np

df = pd.DataFrame({'time': ['2023-09-21', '2023-09-22', '2023-09-23', '2023-09-24'],
                   'count': [1, 2, 3, 4]}, index=['a', 'b', 'a', 'b'])
df.index = ['e', 'r', 't', 'y']
print(df)


"""
#结果


         time  count
e  2023-09-21      1
r  2023-09-22      2
t  2023-09-23      3
y  2023-09-24      4

#替换索引成功
"""

2.使用set_index()，reset_index()和reindex()方法

在pandas中常用的有几个方法如set_index() 和 reset_index() 以及 reindex() ，这几个方法看着很相近但是如果没有完全搞明白区分它们的不同的话，在日后的使用中会极大影响数据预处理时的工作效率。为了更好的以不同例子说明这几个方法的作用与区别，如下先声明一个初始数据集。

import pandas as pd
import numpy as np

# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]

df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
                   "weight": np.random.randint(40, 80, 5),
                   "age": np.random.randint(20, 100, 5),
                   "gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
                   "smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
                   },
                  index=list("abcde"))
print(df)

"""
#结果

   height  weight  age gender  smoker
a     172      61   65      女    True
b     187      77   57      女    True
c     177      48   52      男    True
d     167      57   39      女    True
e     162      73   65      女    True

"""

（1）set_index()

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

set_index() 主要可以将数据表中指定的某列设置为索引或复合索引，如下是常涉及使用的几个参数：

keys：列标签或列标签/数组列表，需要设置为索引的列。

drop：默认为True，删除用作新索引的列，也就是当把某列设置为索引后，原来的列会移除。

append：是否将列附加到现有索引，默认为False。

inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。

如下代码说明，当keys参数设置为height字段时，height字段将变成索引列。同时因为drop=True 代表同时删除原数据中的height列，默认情况本身为True。

import pandas as pd
import numpy as np

# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]

df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
                   "weight": np.random.randint(40, 80, 5),
                   "age": np.random.randint(20, 100, 5),
                   "gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
                   "smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
                   },
                  index=list("abcde"))

df01 = df.set_index(keys="height",drop=True)
print(df01)

"""
#结果

        weight  age gender  smoker
height                            
176         75   34      男   False
182         54   62      女   False
154         75   79      男   False
161         79   28      男    True
150         62   33      女    True


"""

当drop=False时，保留了原数据中的height列：

import pandas as pd
import numpy as np

# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]

df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
                   "weight": np.random.randint(40, 80, 5),
                   "age": np.random.randint(20, 100, 5),
                   "gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
                   "smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
                   },
                  index=list("abcde"))

df01 = df.set_index(keys="height", drop=False)
print(df01)

"""
#结果

        weight  age gender  smoker
height                            
176         75   34      男   False
182         54   62      女   False
154         75   79      男   False
161         79   28      男    True
150         62   33      女    True


"""

new_index = df01.index.rename("这是索引")
print(new_index)
df01.index = new_index
print(df01)


"""
#结果

Index([188, 150, 156, 151, 189], dtype='int32', name='这是索引')
      height  weight  age gender  smoker
这是索引                                    
188      188      55   33      女    True
150      150      77   21      女    True
156      156      61   97      男   False
151      151      67   72      男    True
189      189      77   73      女    True

"""

如下代码与之前的代码基本相似，也是将height字段将变成索引列。同时drop=False，代表保留原数据中的该列。但有明显不同之处是设置了append=True，这就代表将height列是以添加的额外附加的形式添加到现有索引中，但并不会把原来最初的索引移除。

import pandas as pd
import numpy as np

# 生成模拟数据
generd = ['男', '女']
boolean = [True, False]

df = pd.DataFrame({"height": np.random.randint(150, 190, 5),
                   "weight": np.random.randint(40, 80, 5),
                   "age": np.random.randint(20, 100, 5),
                   "gender": [generd[x] for x in np.random.randint(0, len(generd), 5)],
                   "smoker": [boolean[x] for x in np.random.randint(0, 2, 5)]
                   },
                  index=list("abcde"))
print(df)
print("=====================&

最低0.47元/天解锁文章

百分之一的酸奶

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
pandas索引对象

索引对象的理解其实很简单，索引对象的作用主要是负责管理轴标签和其他元数据的。构建Series和DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index。pandas中Index类来表示基本索引对象。来看两个打印，分别是索引对象所在类名输出，一个是其__doc__属性。
复制链接

扫一扫