初识数据分析之pandas笔记三 索引

来源：《利用Python进行数据分析·第2版》

pandas的索引对象负责管理轴标签和其他元数据（比如轴名称等）。构建Series或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：

In [79]: obj = pd.Series(range(3), index=['a', 'b', 'c'])

In [81]: index = obj.index

In [82]: index
Out[82]: Index(['a', 'b', 'c'], dtype='object')

Index对象是不可变的，因此用户不能对其进行修改：

In [83]: index[1]
Out[83]: 'b'

In [84]: index[1] = "cc"
---------------------------------------------------------------------------
TypeError

不可变可以使Index对象在多个数据结构之间安全共享：

In [85]: labels = pd.Index(np.arange(3))

In [86]: labels
Out[86]: Int64Index([0, 1, 2], dtype='int64')

In [87]: obj2 = pd.Series([1.5, 2.5, 0], index=labels)

In [88]: obj2
Out[88]:
0    1.5
1    2.5
2    0.0
dtype: float64

In [89]: obj2.index is labels
Out[89]: True

注意：虽然用户不需要经常使用Index的功能，但是因为一些操作会生成包含被索引化的数据，理解它们的工作原理是很重要的。

除了类似于数组，Index的功能也类似一个固定大小的集合：

In [90]: frame3
Out[90]:
      Nevada  Ohio
2001     2.4   1.7
2002     2.9   3.6
2000     NaN   1.5

In [91]: frame3.columns
Out[91]: Index(['Nevada', 'Ohio'], dtype='object')

In [92]: "Ohio" in frame3.columns
Out[92]: True

In [93]: 2003 in frame3.index
Out[93]: False

与python的集合不同，pandas的Index可以包含重复的标签：

In [94]: dup_labels = pd.Index(['foo', 'foo', 'bar', 'bar'])

In [95]: dup_labels
Out[95]: Index(['foo', 'foo', 'bar', 'bar'], dtype='object')

选择重复的标签，会显示所有的结果。

每个索引都有一些方法和属性，它们可用于设置逻辑并回答有关该索引所包含的数据的常见问题。表5-2列出了这些函数。

重新索引

pandas对象的一个重要方法是reindex，其作用是创建一个新对象，它的数据符合新的索引。看下面的例子：

In [96]: obj = pd.Series([4.5, 7.2, -5.3, 3.6], index=['d', 'b', 'a', 'c'])

In [97]: obj
Out[97]:
d    4.5
b    7.2
a   -5.3
c    3.6
dtype: float64

用该Series的reindex将会根据新索引进行重排。如果某个索引值当前不存在，就引入缺失值：

In [98]: obj2 = obj.reindex(['a', 'b', 'c', 'd', 'e'])

In [100]: obj2
Out[100]:
a   -5.3
b    7.2
c    3.6
d    4.5
e    NaN
dtype: float64

对于时间序列这样的有序数据，重新索引时可能需要做一些插值处理。method选项即可达到此目的，例如，使用ffill可以实现前向值填充：

In [103]: obj3 = pd.Series(['blue', 'purple', 'yellow'], index=[0, 2, 4])

In [105]: obj3
Out[105]:
0      blue
2    purple
4    yellow
dtype: object

In [106]: obj3.reindex(range(6), method="ffill")
Out[106]:
0      blue
1      blue
2    purple
3    purple
4    yellow
5    yellow
dtype: object

借助DataFrame，reindex可以修改（行）索引和列。只传递一个序列时，会重新索引结果的行：

In [108]: frame = pd.DataFrame(np.arange(9).reshape((3, 3)),
     ...:                      index = ['a', 'b', 'c'],
     ...:                      columns=['Ohio', 'Texas', 'California'])

In [109]: frame
Out[109]:
   Ohio  Texas  California
a     0      1           2
b     3      4           5
c     6      7           8

In [110]: frame2 = frame.reindex(["a", 'b', 'c', 'd'])

In [111]: frame2
Out[111]:
   Ohio  Texas  California
a   0.0    1.0         2.0
b   3.0    4.0         5.0
c   6.0    7.0         8.0
d   NaN    NaN         NaN

列可以用columns关键字重新索引：

In [112]: states = ['Texas', 'Utah', 'California']

In [113]: frame.reindex(columns=states)
Out[113]:
   Texas  Utah  California
a      1   NaN           2
b      4   NaN           5
c      7   NaN           8

表5-3列出了reindex函数的各参数及说明。