python数据分析004_多层索引的取值和排序

一.创建测试数据

  1. np.random.randint(0,100,size=(6,3))是使用numpy中的随机模块random中,生成随机整数方法randint,里面的参数size是指定生成6行3列的数据,并且每个数字的范围在0到100之间。

  • import pandas as pd
  • import numpy as np
  • data = np.random.randint(0,100,size=(6,3))
  • names = ['张三','李四','王五']
  • exam = ['期中','期末']
  • index = pd.MultiIndex.from_product([names,exam])
  • df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
  • print(df)

  2.pd.MultiIndex.from_product()构建索引的方式, 确定每一层索引的值什么,然后以列表的形势传给from_product()方法即可。

  3.[names,exam]列表中的位置不同,产生的索引也会不同。from_product([exam,names])会将列表中第一个元素作为最外层索引,依次类推

二. 多层索引的取值

  1.loc使用的是标签索引,iloc使用的是位置索引。但是,iloc的取值并不会受多层索引影响,只会根据数据的位置索引进行取值。   

  • s.loc['张三']
  • s.loc['张三','期中']
  • s.loc[:,'期中']
  • s.iloc[0]
  • df.loc['张三'].loc['期中']
  • df.loc[('张三','期中')]

三.多层索引的排序

  1.DataFrame按行索引排序的方法是sort_index(),df.sort_index()中的level参数可以指定是否按照指定的层级进行排列,第一层级索引值为0,第二层级索引值为1。

    df.sort_index(level=0,ascending=False)

四.总结

 

posted @ 2020-05-15 16:46  番薯大大  阅读(1500)  评论(0编辑  收藏  举报