pandas层次化索引
一 前言
本篇的层次化索引是一篇读者必须要会的知识，特别对数据的分类起到很好的效果，知识追寻者文章的数据构造一向都很随意，所以体现不出什么直观感受，有心的读者可以构造有层级的数据(比如部门的层级，学科的分数层级等等)进行学习本篇文章肯定感觉大有收获，师傅领进门，修行看个人；
公众号：知识追寻者
知识追寻者(Inheriting the spirit of open source, Spreading technology knowledge;)
二层级化索引
2.1 层级化索引
将原始的索引1至6分为3个层级，分别是 a,b,c，如下示例
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b', 'c', 'c'], [1, 2, 3, 4, 5, 6]]
ser = pd.Series(np.random.randn(6),index)
print(ser)
输出
a 1 -0.286724
2 -0.619187
b 3 0.480865
4 -0.597817
c 5 -0.165860
6 2.628038
2.1 获取指定层级数据
获取指定层级数据，比如b级数据；
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b', 'c', 'c'], [1, 2, 3, 4, 5, 6]]
ser = pd.Series(np.random.randn(6),index)
level_b = ser['b']
print(level_b)
输出
3 0.208537
4 -0.903878
dtype: float64
2.2 获取指定值
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b', 'c', 'c'], [1, 2, 3, 4, 5, 6]]
ser = pd.Series(np.random.randn(6),index)
level_b1 = ser['b',3]
print(level_b1)
输出
-2.278494077763927
2.3 层级切片
也可以类似字符串，列表一样进行对索引进行切片获取；比如想获取b和c两个层级的数据；
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b', 'c', 'c'], [1, 2, 3, 4, 5, 6]]
ser = pd.Series(np.random.randn(6),index)
level_bc = ser['b':'c']
print(level_bc)
输出
b 3 -0.111179
4 -1.018673
c 5 0.922177
6 -1.040579
dtype: float64
当然也可以使用loc进行切片,将会出现2层索引；
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b', 'c', 'c'], [1, 2, 3, 4, 5, 6]]
ser = pd.Series(np.random.randn(6),index)
level_ab = ser.loc[['a','b']]
print(level_ab)
输出
a 1 -0.272074
2 -0.708729
b 3 1.277346
4 1.080583
dtype: float64
2.4 多层级中应用unstack
之前文章提到过stack , unstack 的应用，这次使用unstack应用于多层级，实现内层级的列转为行
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b', 'c', 'c'], [1, 2, 3, 4, 5, 6]]
ser = pd.Series(np.random.randn(6),index)
unser = ser.unstack()
print(unser)
输出
1 2 3 4 5 6
a 0.452994 1.397289 NaN NaN NaN NaN
b NaN NaN 2.400214 -0.130237 NaN NaN
c NaN NaN NaN NaN 1.329461 1.041663
三 多轴对应多索引
如果想列有2行，索引有2行，就实现了一个数据集可以使用不同的索引列的功能，好强大；
3.1 多轴示例
索引a ,b；和 1，2，3，4 ；列 zszxz1,zszxz2； 和 u1,u2;
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b'], [1, 2, 3, 4]]
columns = [['zszxz1','zszxz2'],['u1', 'u2']]
frame = pd.DataFrame(np.random.randn(8).reshape((4,2)), index=index,columns=columns)
print(frame)
输出
zszxz1 zszxz2
u1 u2
a 1 -1.239692 -0.395482
2 -0.587833 -0.225688
b 3 1.504247 0.523000
4 -0.996312 -0.540993
3.2 获取单层索引值
使用loc获取单层索引
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b'], [1, 2, 3, 4]]
columns = [['zszxz1','zszxz2'],['u1', 'u2']]
frame = pd.DataFrame(np.random.randn(8).reshape((4,2)), index=index,columns=columns)
print(frame)
print(frame.loc['a'])
输出
zszxz1 zszxz2
u1 u2
1 -0.539454 -0.018574
2 -1.180073 -1.261010
3.2 获取双层索引值
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b'], [1, 2, 3, 4]]
columns = [['zszxz1','zszxz2'],['u1', 'u2']]
frame = pd.DataFrame(np.random.randn(8).reshape((4,2)), index=index,columns=columns)
print(frame.loc[['a']])
输出
zszxz1 zszxz2
u1 u2
a 1 -0.539454 -0.018574
2 -1.180073 -1.261010
3.3 根据外层列获取
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b'], [1, 2, 3, 4]]
columns = [['zszxz1','zszxz2'],['u1', 'u2']]
frame = pd.DataFrame(np.random.randn(8).reshape((4,2)), index=index,columns=columns)
print(frame['zszxz1'])
输出
u1
a 1 -2.062139
2 0.624969
b 3 1.050788
4 0.088685
3.4 根据内层列获取
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b'], [1, 2, 3, 4]]
columns = [['zszxz1','zszxz2'],['u1', 'u2']]
frame = pd.DataFrame(np.random.randn(8).reshape((4,2)), index=index,columns=columns)
print(frame['zszxz1']['u1'])
输出
a 1 0.104911
2 0.219530
b 3 0.816740
4 0.793440
Name: u1, dtype: float64
3.4 根据索引列获取指定值
想要获取第一行第一列的值
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
index=[['a', 'a', 'b', 'b'], [1, 2, 3, 4]]
columns = [['zszxz1','zszxz2'],['u1', 'u2']]
frame = pd.DataFrame(np.random.randn(8).reshape((4,2)), index=index,columns=columns)
print(frame.loc['a',1]['zszxz1','u1'])
输出
2.2670422041028484
3.5 取值总结
列
- 对于列可以使用中括号[]进行逐级获取，一个中括号[]就是一个层级；
- 想获取一个层级里面的多个内容就是 [column1,column2....]；
行
- 对于行的获取就是使用 loc 函数，在一个[] 中出现多值表示多个层级 [level1,levle2]；
- 出现多个[]，根据不同的数据结构对于不同的行列；
四多层级构造方式说明
除了原有的显示构造函数进行多层级构造支持如下构造方式
pd.pd.MultiIndex.from_product(）
pd.pd.MultiIndex.from_tuples(）
pd.MultiIndex.from_arrays(）
pd.MultiIndex.from_frame()
如
index=[['a', 'a', 'b', 'b'], [1, 2, 3, 4]]
columns = [['zszxz1','zszxz2'],['u1', 'u2']]
frame = pd.DataFrame(np.random.randn(8).reshape((4,2)), index=pd.MultiIndex.from_arrays(index),columns=columns)
print(frame)
输出
zszxz1 zszxz2
u1 u2
a 1 0.423330 -1.065528
2 -0.231434 -0.763397
b 3 -0.185660 -0.713429
4 -0.134907 1.489376
