Python Pandas 高级数据操作多层索引

weixin_42098295

已于 2024-06-09 22:25:21 修改

阅读量1.3k

点赞数 28

文章标签： pandas python 开发语言

于 2024-01-11 22:12:27 首次发布

本文链接：https://blog.csdn.net/weixin_42098295/article/details/135540158

版权

本文介绍了Python Pandas库中关于多层索引的高级数据操作，包括如何创建多层索引、选择数据、执行交叉切片、重塑数据以及进行聚合操作。内容涵盖set_index()、pd.MultiIndex、loc和iloc的区别、交叉切片的使用、以及pivot、stack、unstack等重塑数据的方法，并提供了聚合操作如groupby、agg和transform的示例。

摘要由CSDN通过智能技术生成

1、创建多层索引

可以使用pd.MultiIndex和set_index()创建多层索引。

1）set_index()

使用set_index()可以使用多个参数来实现不同的多层索引（层次化索引）操作。

参考说明：

参数	描述
keys	用于创建索引的列名或列名列表，可以是单个列名或多个列名。
drop	布尔值，指定设置索引后是否删除原来的列，默认为 True（删除）。
append	布尔值，指定是否将新索引添加到现有索引，默认为 False。
verify_integrity	布尔值，用于检查新生成的索引是否有重复项，默认为 False。
level	用于从多层索引中删除级别的整数或级别名。
inplace	布尔值，指定是否在原地修改 DataFrame，默认为 False。
col_level	用于确定将列插入到多层索引的哪个级别，适用于具有多层列的 DataFrame。
col_fill	创建多层索引时，用于填充其他级别的名称。

使用示例：

import pandas as pd


# 创建示例 DataFrame
df = pd.DataFrame({
    'A': ['foo', 'bar', 'baz', 'foo'],
    'B': ['one', 'one', 'two', 'two'],
    'C': ['x', 'y', 'x', 'y'],
    'D': [1, 3, 2, 4]
})

# 使用 set_index() 示例
# 设置单列为索引
single_index_df = df.set_index('A')

# 设置多列为多层索引
multi_index_df = df.set_index(['A', 'B'])

# 设置索引并保留