01-Pandas层次化索引
创建多层索引
1.隐式构造
Series也可以创建多层索引
df = DataFrame(np.random.rand(4,2),
index=[['a','a','b','b'],[1,2,1,2]],
columns=['data1','data2'])
df
2.显示构造(Multilndex)
- pd.MultiIndex.from_arrays
- pd.MultiIndex.from_tuples
- pd.MultiIndex.from_product
多层索引
除了行索引index,列索引columns也能用同样的方法创建多层索引
多层索引对象的索引与切片操作
Series的操作:
【重要】对于Series来说,直接中括号[]与使用.loc()完全一样,因此,推荐使用中括号索引和切片
DataFrame的操作:
- 可以直接使用列名称来进行列索引.
- 使用行索引需要用ix(),loc()等函数
【极其重要】推荐使用loc()函数. - 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!
索引的堆(unstack)
【小技巧】使用unstack()的时候,level等于哪一个,哪一个就消失,出现在列里
聚合操作
【注意】
需要指定level
【小技巧】和unstack()相反,聚合的时候,level等于哪一个,哪一个就保留
02-Pandas拼接操作
级联
使用pd.concat()级联
简单级联:
df1 = make_df('AB',[1,2])
df2 = make_df('AB',[3,4])
display(df1,df2,pd.concat([df1,df2]))
不匹配级联:
不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致,横向级联时行索引不一致
使用pd.appnd() 级联:
由于在后面级联的使用非常普遍,因此有一个函数append专门用于在后面添加
合并
使用pd.merge()合并
1. 一对一合并
1. 多对一合并
1. 多对多合并
1. key的规范化
- 使用on=显式指定哪一列为key
- 使用left_on和right_on指定左右两边的列作为key
1. 内合并和外合并
- 内合并:只保留两者都有的key(默认模式)
- 外合并 how=’outer’:补NaN
- 左合并、右合并:how=’left’,how=’right’
1. 列的冲突解决
- 当列冲突时,即有多个列名称相同时,需要使用on=来指定哪一个列作为key