文章目錄
- 資料分析.pandas.索引及複合索引
- 一、索引（index）
- 二、重建索引（reindex）
- 三、複合索引
- 四、Series、DataFrame複合索引的操作
資料分析.pandas.索引及複合索引
一、索引（index）
pandas的索引對象負責管理軸标簽和其他中繼資料（比如軸名稱等）。建構Series或DataFrame時，被作為索引的數組會被轉換成一個Index：
import numpy as np
import pandas as pd
df = pd.DataFrame(np.arange(12).reshape((3,4)),index=(list("abc")),columns=(list("ABCD")))
print(df)
# A B C D
# a 0 1 2 3
# b 4 5 6 7
# c 8 9 10 11
print(df.index)
# Index(['a', 'b', 'c'], dtype='object') 除了類似于數組，Index也具有set集合的功能：
In [85]: frame3
Out[85]:
state Nevada Ohio
year
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
In [86]: frame3.columns
Out[86]: Index(['Nevada', 'Ohio'], dtype='object', name='state')
In [87]: 'Ohio' in frame3.columns
Out[87]: True
In [88]: 2003 in frame3.index
Out[88]: False 與python的集合不同，pandas的Index可以包含重複的标簽，選擇重複的标簽，會顯示所有的結果。
In [89]: dup_labels = pd.Index(['foo', 'foo', 'bar', 'bar'])
In [90]: dup_labels
Out[90]: Index(['foo', 'foo', 'bar', 'bar'], dtype='object') 下面是Index對象主要的方法和屬性：
傳回頂部
二、重建索引（reindex）
pandas對象的reindex方法作用是重建新的索引。
method選項可填入的參數包括 : {None, ‘backfill’/‘bfill’, ‘pad’/‘ffill’, ‘nearest’}
預設為None: 不進行填充
pad/ffill: 前向填充，使用前面的有效值進行填充
backfill/bfill: 後向填充，使用後面有效值進行填充
nearest: 使用最近的有效值進行填充
In [95]: obj3 = pd.Series(['blue', 'purple', 'yellow'], index=[0, 2, 4])
In [96]: obj3
Out[96]:
0 blue
2 purple
4 yellow
dtype: object
In [97]: obj3.reindex(range(6), method='ffill')
Out[97]:
0 blue
1 blue
2 purple
3 purple
4 yellow
5 yellow
dtype: object 列可以用columns關鍵字重新索引：
df = pd.DataFrame(np.arange(12).reshape((3,4)),
index=(list("abc")),columns=(list("ABCD")))
print(df)
# A B C D
# a 0 1 2 3
# b 4 5 6 7
# c 8 9 10 11
print(df.index)
# Index(['a', 'b', 'c'], dtype='object') 借助DataFrame，reindex可以修改（行）索引和列。隻傳遞一個序列時，會重新索引結果的行：
df = pd.DataFrame(np.arange(12).reshape((3,4)),
index=(list("abc")),columns=(list("ABCD")))
print(df)
# A B C D
# a 0 1 2 3
# b 4 5 6 7
# c 8 9 10 11
print(df.index)
# Index(['a', 'b', 'c'], dtype='object')
df3 = df.reindex(list("abcd"))
print(df3)
# A B C D
# a 0.0 1.0 2.0 3.0
# b 4.0 5.0 6.0 7.0
# c 8.0 9.0 10.0 11.0
# d NaN NaN NaN NaN 傳回頂部
三、複合索引
索引可以包含一個、兩個或多個列。兩個或更多個列上的索引被稱作複合索引。
pandas中set_index方法是專門用來将某一列設定為index的方法。它具有簡單，友善，快捷的特點。
主要參數：
keys：
需要設定為index的列名
drop：
True or False。在将原來的列設定為index，是否需要删除原來的列。預設為True，即删除（Delete columns to be used as the new index.）
append：
True or False。新的index設定之後，是否要删除原來的index。 預設為True。（Whether to append columns to existing index.）
inplace：
True or False。是否要用新的DataFrame取代原來的DataFrame。預設False，即不取代。**（ Modify the DataFrame in place (do not create a new object)）
import numpy as np
import pandas as pd
df = pd.DataFrame(np.arange(12).reshape((3,4)),
index=(list("abc")),columns=(list("ABCD")))
print(df)
# A B C D
# a 0 1 2 3
# b 4 5 6 7
# c 8 9 10 11
print(df.index)
# Index(['a', 'b', 'c'], dtype='object')
#指定索引
df.index = ["a","b","m"]
print(df)
# A B C D
# a 0 1 2 3
# b 4 5 6 7
# m 8 9 10 11
#重新設定索引
print(df.reindex(list("abd")))
# A B C D
# a 0.0 1.0 2.0 3.0
# b 4.0 5.0 6.0 7.0
# d NaN NaN NaN NaN
#指定某一列為索引
print(df.set_index("A"))
# B C D
# A
# 0 1 2 3
# 4 5 6 7
# 8 9 10 11
print(df.set_index("A",drop=False))
# A B C D
# A
# 0 0 1 2 3
# 4 4 5 6 7
#設定兩個索引
df1 = df.set_index(["A","B"],drop=False)
print(df1)
# A B C D
# A B
# 0 1 0 1 2 3
# 4 5 4 5 6 7
# 8 9 8 9 10 11
print(df1.index)
# MultiIndex([(0, 1),
# (4, 5),
# (8, 9)],
# names=['A', 'B'])
#設定三個索引
df2 = df.set_index(["A","B","C"],drop=False)
print(df2)
# A B C D
# A B C
# 0 1 2 0 1 2 3
# 4 5 6 4 5 6 7
# 8 9 10 8 9 10 11
print(df2.index)
# MultiIndex([(0, 1, 2),
# (4, 5, 6),
# (8, 9, 10)],
# names=['A', 'B', 'C']) 傳回頂部
四、Series、DataFrame複合索引的操作
a = pd.DataFrame({'a':range(7),'b':range(7,0,-1),'c':['one','one','one','two','two','two','two'],'d':list("hjklmno")})
print(a)
# a b c d
# 0 0 7 one h
# 1 1 6 one j
# 2 2 5 one k
# 3 3 4 two l
# 4 4 3 two m
# 5 5 2 two n
# 6 6 1 two o
b = a.set_index(["c","d"]) #複合索引
print(b)
# a b
# c d
# one h 0 7
# j 1 6
# k 2 5
# two l 3 4
# m 4 3
# n 5 2
# o 6 1
print(b.loc["one"].loc["h"]) #切片取值
# a 0
# b 7 #對于複合索引Series的切片操作
print(c["one"]["j"]) #1
print(c["one"])
# h 0
# j 1
# k 2
# Name: a, dtype: int64
#我們将c、d兩列的順序調換
d = a.set_index(["d","c"])["a"]
print(d)
# a
# d c
# h one 0
# j one 1
# k one 2
# l two 3
# m two 4
# n two 5
# o two 6
#此時若要取内層索引為one的資料
#法一：以c["..."]的形式，将内層索引為one的一個一個取出
#法二：使用swaplevel()方法交換
e = d.swaplevel()
print(e)
# c d
# one h 0
# j 1
# k 2
# two l 3
# m 4
# n 5
# o 6
print(e["one"])
# d
# h 0
# j 1
# k 2
# Name: a, dtype: int64
print(e["one","h"])
# 0