pandas层次化索引和拼接

一.pandas层次化索引

1. 创建多层行索引

(1) 隐式构造

• 最常见的方法是给DataFrame构造函数的index参数传递两个或更多的数组:

index = [['一班', '一班', '一班', '二班', '二班', '二班'], ['张三', '李四', '王五', '赵六', '田七', '孙八']]

columns = [['期中', '期中', '期中', '期末', '期末', '期末'], ['语文', '数学', '英语', '语文', '数学', '英语']]

data = np.random.randint(0,150, size=(6,6))

df = DataFrame(data=data, index=index, columns=columns)

• Series也可以创建多层索引

index = [['一班', '一班', '一班', '二班', '二班', '二班'], ['张三', '李四', '王五', '赵六', '田七', '孙八']] data = np.random.randint(0,150, size=6) s = Series(data=data, index=index)

(2) 显示构造pd.MultiIndex

• 使用数组

index = pd.MultiIndex.from_arrays([['一班', '一班', '一班', '二班', '二班', '二班'], ['张三', '李四', '王五', '赵六', '田七', '孙八']]) columns = [['期中', '期中', '期中', '期末', '期末', '期末'], ['语文', '数学', '英语', '语文', '数学', '英语']] data = np.random.randint(0,150, size=(6,6)) df = DataFrame(data=data, index=index, columns=columns)

• 使用tuple

index = pd.MultiIndex.from_tuples([('一班', '张三'), ('一班', '李四'), ('一班', '王五'), ('二班', '赵六'), ('二班', '田七'), ('二班', '孙八')]) columns = [['期中', '期中', '期中', '期末', '期末', '期末'], ['语文', '数学', '英语', '语文', '数学', '英语']] data = np.random.randint(0,150, size=(6,6)) df = DataFrame(data=data, index=index, columns=columns)

• 使用product

最简单，推荐使用 ,有条件限制

index = pd.MultiIndex.from_arrays([['一班', '一班', '一班', '二班', '二班', '二班'], ['张三', '李四', '王五', '赵六', '田七', '孙八']]) columns = pd.MultiIndex.from_product([['期中', '期末'], ['语文', '数学', '英语']]) data = np.random.randint(0,150, size=(6,6)) df = DataFrame(data=data, index=index, columns=columns)

 

2. 多层列索引

除了行索引index，列索引columns也能用同样的方法创建多层索引

 

3. 多层索引对象的索引与切片操作

(1）Series的操作

【重要】对于Series来说，直接中括号[]与使用.loc()完全一样，推荐使用中括号索引和切片

索引

s['一班','张三']

s.loc['一班'].loc['张三']

s.loc['一班', '张三'] # 推荐写法

s.iloc[0] # 隐式索引, 直接从最内层开始索引,起始下标为0

s.iloc[[0]]

切片

s.loc['一班':]

s.iloc[0:4]

(2)DataFrame的操作

索引:

重要: 列索引使用[], 行索引需使用loc[]

注意在对行索引的时候，若一级行索引还有多个，对二级行索引会遇到问题！也就是说，无法直接对二级索引进行索引，必须让二级索引变成一级索引后才能对其进行索引！

df['期中', '语文'] # 列索引

行多级索引的索引和切片操作

df.loc['一班', '张三']

切片:

df['一班': '二班']

df.loc['一班': ]

df.iloc[0:4] # 隐式行切片

 

4. 索引的堆（stack）

• stack()

• unstack()

把水平的列索引转化为行索引就叫做stack 反之叫做unstack

df.stack() # 默认level=-1表示对最里面那一层操作

df.stack(level=0) # 对最外层操作

df.unstack(fill_value=0)

【小技巧】使用stack()的时候，level等于哪一个，哪一个就消失，出现在行里。

       使用unstack()的时候，level等于哪一个，哪一个就消失，出现在列里。

 

5. 聚合操作

【注意】

• 需要指定axis

• axis=0, 操作每一列,行数被压缩

• axis=1, 操作每一行,列数被压缩

df.sum(axis=0, level=0) # level等于哪一层,哪一层就保留下来,其他层就被聚合掉.

 

二.pandas的拼接操作

pandas的拼接分为两种：

• 级联：pd.concat, pd.append

• 合并：pd.merge

 

1. 使用pd.concat()级联

pandas使用pd.concat函数，与np.concatenate函数类似，只是多了一些参数：

numpy 级联: concatenate pandas级联: concat

 

1) 简单级联

和np.concatenate一样，优先增加行数（默认axis=0）

pd.concat((df1,df2), ignore_index=True) # ignore_index 选择忽略原索引，重新索引

pd.concat((df1,df2), keys=['df1', 'df2']) # keys 使用多层索引,默认axis=0

 

2) 不匹配级联

不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致，横向级联时行索引不一致

有3种连接方式：

• 外连接：补NaN（默认模式）

  pd.concat((df1, df2), sort=True, join='outer')

• 内连接：只连接匹配的项

  pd.concat((df1, df2), sort=True, join='inner')

• 连接指定轴 join_axes

  pd.concat((df1, df2), sort=True, join_axes=[df1.columns]) # 只保留df1的列

  join_axes=[df1.columns]  相当于左连接
  ​
  join_axes=[df2.columns]      相当于右连接
  ​
  axis=1    指定水平方向级联 还是垂直方向级联  (默认垂直) 

3) 使用append()函数添加

函数append专门用于在后面添加, 只能追加行

ddd.append(ddd2)

 

2. 使用pd.merge()合并

merge与concat的区别在于，merge需要依据某一共的列来进行合并

注意每一列元素的顺序不要求一致

 

• 默认根据两者相同column名称的那一列作为key来进行合并

• 使用on指定哪一列为key,当有多个key相同时使用

  pd.merge(df1, df2, on='name', suffixes=['df1', 'df2'])

• 两边的key都不相同时, 使用left_on和right_on指定左右两边的列作为key

  pd.merge(df1, df2, left_on='name', right_on='名字')

• 当左边的列和右边的index相同的时候,使用left_on 和 right_index=True , 反之一样

  pd.merge(df1, df2, left_on='age', right_index=True)

内合并与外合并

• 内合并：只保留两者都有的key对应的行（默认模式how='inner'）

• 外合并 how='outer'： 缺失补NaN

  df1.merge(df2, left_on='name', right_on='名字', how='outer')

列冲突的解决

有多个列名称相同时，需要使用on=来指定哪一个列作为key，配合suffixes指定冲突列名

df1.merge(df2, on='name', suffixes=['', '_df2']) # suffixes=自己指定后缀