【Python】数据分析.pandas.索引、重建索引、复合索引

---

文章目录

---

数据分析.pandas.索引及复合索引

一、索引（index）

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，被作为索引的数组会被转换成一个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')

除了类似于数组，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

与python的集合不同，pandas的Index可以包含重复的标签，选择重复的标签，会显示所有的结果。

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对象主要的方法和属性：

​​返回顶部​​

---

二、重建索引（reindex）

pandas对象的reindex方法作用是重建新的索引。
method选项可填入的参数包括 : {None, ‘backfill’/‘bfill’, ‘pad’/‘ffill’, ‘nearest’}
默认为None: 不进行填充
pad/ffill: 前向填充，使用前面的有效值进行填充
backfill/bfill: 后向填充，使用后面有效值进行填充
nearest: 使用最近的有效值进行填充

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关键字重新索引：

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。只传递一个序列时，会重新索引结果的行：

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

​​返回顶部​​

---

三、复合索引

索引可以包含一个、两个或多个列。两个或更多个列上的索引被称作复合索引。

pandas中set_index方法是专门用来将某一列设置为index的方法。它具有简单，方便，快捷的特点。
主要参数：
keys：
需要设置为index的列名
drop：
True or False。在将原来的列设置为index，是否需要删除原来的列。默认为True，即删除（Delete columns to be used as the new index.）
append：
True or False。新的index设置之后，是否要删除原来的index。 默认为True。（Whether to append columns to existing index.）
inplace：
True or False。是否要用新的DataFrame取代原来的DataFrame。默认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

#重新设置索引
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

#指定某一列为索引
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

#设置两个索引
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'])

#设置三个索引
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'])

​​返回顶部​​

---

四、Series、DataFrame复合索引的操作

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"]) #复合索引
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

上面我们提过，pandas的Index可以包含重复的标签，选择重复的标签，会显示所有的结果，如上面案例所示，在设置dataframe表时，我们设置c列包含有重复的值，当我们设置c、d列为索引时，自动去重，并在对应d列首个内层索引处显示出外层唯一索引。

#对于复合索引Series的切片操作
print(c["one"]["j"]) #1
print(c["one"])
# h    0
# j    1
# k    2
# Name: a, dtype: int64

#我们将c、d两列的顺序调换
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

#此时若要取内层索引为one的数据
#法一：以c["..."]的形式，将内层索引为one的一个一个取出
#法二：使用swaplevel()方法交换
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

​​返回顶部​​

---