pandas中的索引和多层索引

• Index；单层索引；
• MultiIndex；多层索引；

举例：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(4, 4))*10//1
print(df)

输出结果为：

     0    1    2    3
0  7.0  9.0  6.0  1.0
1  9.0  0.0  2.0  2.0
2  3.0  7.0  8.0  4.0
3  7.0  6.0  8.0  4.0

• 创建dataframe时，如果没有指定index和columns参数，pandas将会自动生成对应的索引；
  • 默认的行列标签皆为一个RangeIndex对象，属于Index中的一种形式；
    • 比如：

      print(df.index)
      

      输出结果为：

      RangeIndex(start=0, stop=4, step=1)
      

• Index是更通用的函数，通过Index函数可以创建Index对象，更改dataframe的索引；

  Index_A = df.index = pd.Index(list('ABCD'))
  df.columns = pd.Index(list('abcd'))
  
  print(df)
  print(Index_A)
  

  输出结果为：

       a    b    c    d
  A  8.0  8.0  6.0  5.0
  B  1.0  4.0  4.0  4.0
  C  3.0  9.0  8.0  6.0
  D  3.0  1.0  0.0  0.0
  Index(['A', 'B', 'C', 'D'], dtype='object')
  

  • index对象包含以下属性：
    • 值构成的数组：

      Index_A.array
      

      输出为：

      
      ['A', 'B', 'C', 'D']
      Length: 4, dtype: object
      

    • 数据类型：

      Index_A.dtype
      

      输出为：

      dtype('O')
      

    • level个数：

      Index_A.nlevels
      

      输出为：

      1
      

    • 维度：

      Index_A.ndim
      

      输出为：

      1
      

    • 尺寸：

      Index_A.shape
      

      输出为：

      (4,)
      

    • 个数：

      Index_A.size
      

      输出为：

      4
      

    • 值：

      Index_A.values
      

      输出为：

      array(['A', 'B', 'C', 'D'], dtype=object)
      

• 获取索引index；

  df.index
  

  • 访问当前数据的索引；
• 指定索引

  df.index = ['x', 'y']
  

• 重新设置索引

  df.reindex(list('abcde'))
  

• 指定某一列作为索引

  df.set_index('column_name', drop=False)
  

• 返回索引的唯一值

  df.set_index('column_name').index.unique()
  

• NumericIndex，数值索引；
  • 浮点数索引：

    pd.Float64Index([1, 2, 3, 4])
    

    输出为：

    [1.0, 2.0, 3.0, 4.0]
    

  • 整数；Int64Index
  • 无符号整数；UInt64Index
  • 等差序列；

    pd.RangeIndex(start=1,stop=8,step=2)
    

• CategoricalIndex，范围索引；
  • 约束可选值的范围，超过范围的值强制变为NaN；

    df.index = pd.CategoricalIndex(list('ABCD'), categories=['A', 'B', 'C'])
    

    则D的位置显示NaN
• IntervalIndex，区间索引；
  • 索引的值为一个区间，通过interval_range函数创建；

    df.index = pd.interval_range(start=0, end=4)
    

    此时索引的形式：

    (0, 1]
    (1, 2]
    ……
    

• DatetimeIndex，时间索引；
• PeriodIndex
  • 和DatetimeIndex类似，值为日期和时间的格式化结果
• TimedeltaIndex；
  • 将时间间隔转换为时间戳；

• 当多个单层的索引结合在一起时，就形成了多层索引；
• 适用于多种分类标准的场景，极大增强了数据处理的灵活性；

• 使用set_index()函数；
  • 举例：

    df_1 = pd.DataFrame({"a":range(4), "b":range(4, 0, -1), "c":['one', 'two', 'one', 'two'], "d":list("asdf")})
    df_2 = df_1.set_index(["c", "d"])
    print(df_2)
    

    输出结果为：

           a  b
    c   d      
    one a  0  4
    two s  1  3
    one d  2  2
    two f  3  1
    

• 可以使用数组、元组、DataFrame创建；
• 使用from_product函数创建；

• 替换索引层次；

  df_1.swaplevel()
  

  • 取值时，从外层向内层逐层取值，有时需要交换次序才能取值；
• 取出特定位置值：

  df_1.loc["one"].loc["a"]
  

  • 区别于dataframe，在series中直接在方括号中写索引即可取值；