入门pandas—算术运算与多层索引

算术运算

对除数为0的处理：
1/0 = inf 无穷大
-1/0 = -inf 负无穷大
0/0 = Nan

处理空值

方法一：将空值填充为0

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/计算.xlsx'
data = pd.read_excel(path)
i = data['1店'].fillna(0)+data['2店'].fillna(0)   #NAN的用空值填
print(i)

0    8.0
1    1.0
2    1.0
3    0.0
4    0.0

方法二：灵活算术法

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/计算.xlsx'
data = pd.read_excel(path)
i = data['1店'].add(data['2店'],fill_value=0)   #只是把一店和二店的nan填上0
print(i.fillna(0))  #把i为na的也填成0

0    8.0
1    1.0
2    1.0
3    0.0
4    0.0

处理inf无穷大（分母为0）

加入代码 pd.options.mode.use_inf_as_na = True

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/计算.xlsx'
data = pd.read_excel(path)
i = data['1店'].div(data['2店'],fill_value=0)
print(i)

0    1.666667
1    0.000000
2         inf
3         NaN
4         NaN

加入代码

import pandas as pd
pd.options.mode.use_inf_as_na = True
path = 'C:/Users/Administrator/Desktop/playground2/计算.xlsx'
data = pd.read_excel(path)
i = data['1店'].div(data['2店'],fill_value=0)
print(i)

0    1.666667
1    0.000000
2         NaN
3         NaN
4         NaN

多层索引

分层索引的设置与查询

index为有序（数字和字母）
原数据

   班级 学号  分数
0  1班  a   1
1  1班  b   2
2  1班  c   3
3  2班  a   4
4  2班  b   5
5  2班  c   6
6  3班  a   7
7  3班  b   8

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/多层索引.xlsx'
data = pd.read_excel(path,index_col=[0,1],sheet_name='有序')  # index_col将第0列（班级）设为一层索引，第2列（学号）设为二层索引
print(data)

      分数
班级 学号    
1班 a    1
   b    2
   c    3
2班 a    4
   b    5
   c    6
3班 a    7
   b    8

查询

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/多层索引.xlsx'
data = pd.read_excel(path,index_col=[0,1],sheet_name='有序')
data2 = data.loc[('1班',slice(None)),:]   #slice(None)不能省略 不能改成,:,代表取一班任意学号，全部列
print(data2)

       分数
班级 学号    
1班 a    1
   b    2
   c    3

data2 = data.loc[('1班','a'),:]  
print(data2)

分数    1

index为无序（中文）

print(数据.data.is_lexsorted()) # 检查index是否有序

False

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/多层索引.xlsx'
data = pd.read_excel(path,index_col=[0,1],sheet_name='无序')
data.sort_index(level = '科目')    #先对第一层索引进行排序
data2 = data.loc[('语文',slice(None)),:]  #再取值
print(data2)

       分数
科目 得分    
语文 最高  90
   最低  50

多层索引的创建的方式【行】

推荐使用第三种（笛卡尔积）

多层索引 = pd.MultiIndex.from_arrays([['a', 'a', 'b', 'b'], [1, 2, 1, 2]],names=['x','y'])

多层索引 = pd.MultiIndex.from_tuples([('a',1),('a',2),('b',1),('b',2)],names=['x','y'])

多层索引 = pd.MultiIndex.from_product([['a', 'b'], [1, 2]],names=['x','y'])

MultiIndex([('a', 1),
            ('a', 2),
            ('b', 1),
            ('b', 2)],
           names=['x', 'y'])

都是创建第一层索引x中 对应 a,b 第二层索引y中对应1，2

注：如果不在MultiIndex中设置索引名，也可以事后设置

数据.index.names = ['x', 'y']

多层索引的创建的方式【列】

import pandas as pd
import numpy as np
data = np.random.randn(4,4)
ind = pd.MultiIndex.from_product([[2010,2016],[5,6]],names=['年','月'])  #行索引
col = pd.MultiIndex.from_product([['西瓜','哈密瓜'],['黄瓜','番茄']],names=['水果','蔬菜'])  #列索引
data2 = pd.DataFrame(data = data,index=ind,columns=col)  #行列索引一一对应
print(data2)

分层索引计算

import pandas as pd
path = 'C:/Users/Administrator/Desktop/playground2/销售.xlsx'
data = pd.read_excel(path,header=[0,1])   #将第一行第二行设置为列索引
print(data.columns)

MultiIndex([('土豆', '销量'),
            ('土豆', '毛利'),
            ('倭瓜', '销量'),
            ('倭瓜', '毛利')],
           )

原数据

   土豆     倭瓜   
   销量 毛利  销量 毛利
0  10  5  20  6
1  11  4  30  5

data1 = data['土豆','销量']+data['倭瓜','销量']  #土豆和倭瓜的销量
print(data1)

0    30
1    41

data1 = data['土豆']+data['倭瓜']   #第二层索引下一一相加
print(data1)

   销量  毛利
0  30  11
1  41   9

data1 = data['土豆']+data['倭瓜']
print(data1.columns)  #此时索引是销量和毛利  需要加上第一层索引

Index(['销量', '毛利'], dtype='object')

data1 = data['土豆']+data['倭瓜']
data1.columns = pd.MultiIndex.from_product([['总计'],data1.columns])  #重新设置索引 总计为一层索引，原有的为二层索引
print(data1)

   总计    
   销量  毛利
0  30  11
1  41   9

data1 = data['土豆']+data['倭瓜']
data1.columns = pd.MultiIndex.from_product([['总计'],data1.columns])  #重新设置索引 总计为一层索引，原有的为二层索引
data3 = pd.concat([data,data1],axis=1)  #横向拼接
print(data3)

   土豆     倭瓜     总计    
   销量 毛利  销量 毛利  销量  毛利
0  10  5  20  6  30  11
1  11  4  30  5  41   9