今天我们来聊一下Pandas当中的数据集中带有多重索引的数据分析实战
通常我们接触比较多的是单层索引，而多级索引也就意味着数据集当中的行索引有多个层级，具体的如下图所示
导入数据
我们先导入数据与pandas模块
import pandas as pd
## 导入数据集
df = pd.read_csv('dataset.csv')
df.head()
output
该数据集描述的是英国部分城市在2019年7月1日至7月4日期间的全天天气状况，我们先来看一下当前的数据集的行索引有哪些？代码如下
df.index.names
output
FrozenList(['City', 'Date'])
数据集当中City、Date，这里的City我们可以当作是第一层级索引，而Date则是第二层级索引。
我们也可以通过调用sort_index()方法来按照数据集的行索引来进行排序，代码如下
df_1 = df.sort_index()
df_1
output
要是我们想将这个多层索引去除掉，就调用reset_index()方法，代码如下
df.reset_index()
下面我们就开始针对多层索引来对数据集进行一些分析的实战吧
第一层级的数据筛选
在pandas当中数据筛选的方法，一般我们是调用loc以及iloc方法，同样地，在多层级索引的数据集当中数据的筛选也是调用该两种方法，例如筛选出伦敦白天的天气状况如何，代码如下
df_1.loc['London' , 'Day']
output
要是我们想针对所有的行，就可以这么来做
df_1.loc[:, 'Day']
output
同理针对所有的列，就可以这么来做
df_1.loc['London' , :]
output
多层级索引的数据筛选
要是我们想看伦敦2019年7月1日白天的天气状况，就可以这么来做
df.loc['London', 'Day'].loc['2019-07-01']
output
Weather Shower
Wind SW 16 mph
Max Temperature 28
Name: 2019-07-01, dtype: object
这里我们进行了两次数据筛选的操作，先是df.loc['London', 'Day']，然后再此的基础之上再进行loc['2019-07-01']操作，当然还有更加方便的步骤，代码如下
df.loc[('London', '2019-07-01'), 'Day']
output
Weather Shower
Wind SW 16 mph
Max Temperature 28
Name: 2019-07-01, dtype: object
除此之外我们要是想看一下伦敦2019年7月1日和7月2日两天白天的天气情况，就可以这么来做
df.loc[
('London' , ['2019-07-01','2019-07-02'] ) ,
'Day'
]
output
在此基础之上，我们想要看天气和风速这两列，我们也可以单独摘出来，代码如下
df.loc[
'London' ,
('Day', ['Weather', 'Wind'])
]
output
按照范围来筛选数据
对于第一层级的索引而言，我们同样还是调用loc方法来实现
df.loc[
'Cambridge':'Oxford',
'Day'
]
output
但是对于第二层级的索引，要是用同样的方式来用就会报错，
df.loc[
('London', '2019-07-01': '2019-07-03'),
'Day'
]
output
SyntaxError: invalid syntax (<ipython-input-22-176180497f92>, line 3)
正确的写法代码如下
df.loc[
('London','2019-07-01'):('London','2019-07-03'),
'Day'
]
output
筛选出所有全部的内容
对于单层索引而言，我们通过:来筛选出所有的内容，但是在多层级的索引上面则并不适用，
# 出现语法错误
df.loc[
('London', :),
'Day'
]
# 出现语法错误
df.loc[
(: , '2019-07-04'),
'Day'
]
正确的做法如下所示
# 筛选出伦敦下面所有天数的白天天气情况
df.loc[
('London', slice(None)),
'Day'
]
output
# 筛选出2019年7月4日下所有城市的白天天气情况
df.loc[
(slice(None) , '2019-07-04'),
'Day'
]
output
当然这里还有更加简便的方法，我们通过调用pandas当中IndexSlice函数来实现，代码如下
from pandas import IndexSlice as idx
df.loc[
idx[: , '2019-07-04'],
'Day'
]
output
又或者是
rows = idx[: , '2019-07-01']
cols = idx['Day' , ['Max Temperature','Weather']]
df.loc[rows, cols]
output
xs()方法的调用
对于多层级索引的数据集而言，调用xs()方法能够更加方便地进行数据的筛选，例如我们想要筛选出日期是2019年7月4日的所有数据，代码如下
df.xs('2019-07-04', level='Date')
output
我们需要在level参数上指定是哪个标签，例如我们想要筛选出伦敦2019年7月4日全天的天气情况，代码如下
df.xs(('London', '2019-07-04'), level=['City','Date'])
output
最后xs方法可以和上面提到的IndexSlice函数联用，针对多层级的数据集来进行数据的筛选，例如我们想要筛选出2019年7月2日至7月4日，伦敦全天的天气状况，代码如下
rows= (
idx['2019-07-02':'2019-07-04'],
'London'
)
df.xs(
rows ,
level = ['Date','City']
)
output
技术交流
欢迎转载、收藏、有所收获点赞支持一下！
目前开通了技术交流群，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友
- 方式①、发送如下图片至微信，长按识别，后台回复：加群；
- 方式③、微信搜索公众号：Python学习与数据挖掘，后台回复：加群
