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。