脚本之家，脚本语言编程技术及教程分享平台！
分类导航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

服务器之家 - 脚本之家 - Python - pandas多层索引的创建和取值以及排序的实现

pandas多层索引的创建和取值以及排序的实现

2021-09-17 00:13蓝小白1024 Python

这篇文章主要介绍了pandas多层索引的创建和取值以及排序的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

多层索引的创建

普通-多个index创建

  • 在创建数据的时候加入一个index列表,这个index列表里面是多个索引列表

Series多层索引的创建方法

?
1
2
3
4
5
import pandas as pd
s = pd.Series([1,2,3,4,5,6],index=[['张三','张三','李四','李四','王五','王五'],
                  ['期中','期末','期中','期末','期中','期末']])
# print(s)
s

张三  期中    1
    期末    2
李四  期中    3
    期末    4
王五  期中    5
    期末    6
dtype: int64

利用 numpy中的随机数

?
1
2
3
4
5
6
7
import numpy as np
 
data = np.random.randint(0,100,size=(6,3))
# 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
 
data
?
1
2
3
4
5
6
array([[44, 66, 67],
    [82, 52, 0],
    [34, 78, 23],
    [38, 4, 43],
    [60, 62, 40],
    [57, 9, 11]])

Dataframe多层索引创建

?
1
2
3
4
5
6
7
8
9
import pandas as pd
import numpy as np
 
data = np.random.randint(0,100,size=(6,3))
df = pd.DataFrame(data,index=[['张三','张三','李四','李四','王五','王五'],
               ['期中','期末','期中','期末','期中','期末']],
           columns=['Java','Web','Python'])
 
df

 

  Java Web Python
张三 期中 68 4 90
期末 33 63 73
李四 期中 30 13 68
期末 14 18 48
王五 期中 34 66 26
期末 89 10 35

 

简化创建-from_product()

?
1
2
3
4
5
6
7
8
9
10
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)
df

 

  Java Web Python
张三 期中 51 78 47
期末 39 53 36
李四 期中 33 60 83
期末 90 55 3
王五 期中 37 45 66
期末 6 82 71

 

from_product()在这个里面的列表中位置不同, 产生的索引页会不同

?
1
2
3
4
index = pd.MultiIndex.from_product([exam, names])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
# print(df)
df

 

  Java Web Python
期中 张三 51 78 47
李四 39 53 36
王五 33 60 83
期末 张三 90 55 3
李四 37 45 66
王五 6 82 71

 

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

多层索引的取值

获取到我们想要的数据

获取多层索引Series中的数据

创建数据

?
1
2
3
4
import pandas as pd
s = pd.Series([1,2,3,4,5,6],index=[['张三','张三','李四','李四','王五','王五'],
                  ['期中','期末','期中','期末','期中','期末']])
print(s)

张三  期中    1
    期末    2
李四  期中    3
    期末    4
王五  期中    5
    期末    6
dtype: int64

可以直接使用[]的方式取最外面的一个层级 s[‘张三']

?
1
2
3
s['李四']
 
# 注意：[]取值方式，不可直接使用最外层以外的其他层级，例如：s['期末']

期中    3
期末    4
dtype: int64

使用['外索引', '内索引'], 获取某个数据

注意：[‘张三',‘期末']他们的顺序不能变。剥洋葱原则，从外到内一层一层的剥。

?
1
2
3
s['李四', '期中'] # 李四期中分值
 
# 注意：['张三','期末']他们的顺序不能变。剥洋葱原则，从外到内一层一层的剥。

3

使用[]的切片，获取数据s[:,‘期中']

?
1
s[:,'期中'] # 第一个值为全部的外索引

张三    1
李四    3
王五    5
dtype: int64

使用 loc

  • loc 使用的是标签suoyin
  • iloc使用的是位置索引
?
1
2
3
4
5
6
7
# loc 使用方式与 [] 的方式基本一样
 
s.loc['张三']
s.loc['张三','期中']
s.loc[:,'期中']
 
# 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, 不推荐

张三    1
李四    3
王五    5
dtype: int64

多层索引DataFrame的取值

在对多层索引DataFrame的取值是，推荐使用 loc() 函数

?
1
2
3
4
5
6
7
8
9
import pandas as pd
import numpy as np
#size参数是指定生成6行3列的数组
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'])
df

 

  Java Web Python
张三 期中 3 40 52
期末 74 38 85
李四 期中 7 28 16
期末 9 25 0
王五 期中 13 24 8
期末 49 46 1

 

三种方式都可以获取张三期中各科成绩

?
1
2
3
# df.loc['张三','期中']
# df.loc['张三'].loc['期中']
# df.loc[('张三','期中')]

注意：DataFrame中对行索引的时候和Series有一个同样的注意点，就是无法直接对二级索引直接进行索引，必须让二级索引变成一级索引后才能对其进行索引

多层索引的排序

  • 使用sort_index() 排序
  • level参数可以指定是否按照指定的层级进行排列
  • 第一层索引值为0, 第二层索引的值为1

创建数据

?
1
2
3
4
5
6
7
8
import pandas as pd
data = np.random.randint(0,100,size=(9,3))
key1 = ['b','c','a']
key2 = [2,1,3]
index = pd.MultiIndex.from_product([key1,key2])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
 
df

 

    Java Web Python
b 2 56 82 81
1 84 16 55
3 35 25 86
c 2 76 1 76
1 36 28 94
3 79 70 97
a 2 25 17 30
1 38 38 78
3 41 75 90

 

排序

  • DataFrame按行索引排序的方法是sort_index()
  • 如果直接使用的话,不传参数, 会把每一层索引根据值进行升序排序
?
1
df.sort_index()

 

  Java Web Python
a 1 18 60 74
2 66 87 27
3 96 18 64
b 1 72 58 52
2 22 31 22
3 31 12 83
c 1 6 54 96
2 9 47 18
3 31 63 4

 

?
1
2
# 当level=0时，ascending=False, 会根据第一层索引值进行降序排序
df.sort_index(level=0,ascending=False)

 

  Java Web Python
c 3 79 70 97
2 76 1 76
1 36 28 94
b 3 35 25 86
2 56 82 81
1 84 16 55
a 3 41 75 90
2 25 17 30
1 38 38 78

 

?
1
2
3
4
5
6
# 当level=1时，会根据第二层索引值进行降序排序
 
df.sort_index(level=1,ascending=False)
 
# 数据会根据第二层索引值进行相应的降序排列，
# 如果索引值相同时会根据其他层索引值排列

 

  Java Web Python
c 3 79 70 97
b 3 35 25 86
a 3 41 75 90
c 2 76 1 76
b 2 56 82 81
a 2 25 17 30
c 1 36 28 94
b 1 84 16 55
a 1 38 38 78

 

通过level设置排序的索引层级，其他层索引也会根据其排序规则进行排序

到此这篇关于pandas多层索引的创建和取值以及排序的实现的文章就介绍到这了,更多相关pandas多层索引内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！

原文链接：https://blog.csdn.net/lxb_wyf/article/details/114273989

  • pandas
  • 多层索引

    • 延伸 · 阅读

    精彩推荐
    最近更新
    编辑推荐
    阅读排行
    热门标签
    2048 　 6006 　 contextlib 　 SLOTS 　 MELIAE 　 FEEDPARSER 　 暂存 　 持久性管理 　 pickle模块 　 THREADING 　 reduce 　 nignx 　 装饰器 　 函数式编程 　 兔子毒药 　 监控文件 　 流量监控 　 Web框架 　 办公工具 　 PIL库 　 高斯模糊 　 wxPython 　 import 　 自定义模块 　 Python开发 　 元类 　 metaclass 　 魔术方法 　 DNSPod 　 动态解析域名 　
    © 2019-2023 脚本之家 | 服务器之家(www.zzvips.com)旗下站点 版权所有关于我们联系我们版权申明网站地图