博客

对pandas的层次索引与取值的新方法详解

  • Post category:Python

对Pandas的层次索引和取值的新方法是Pandas中非常强大的功能之一。本攻略将详细介绍Pandas中层次索引和取值的新方法，包括如何创建、访问和操作层次索引。

创建层次索引

在Pandas中，我们可以通过两种方式创建层次索引：使用元组或使用字典。

使用元组

使用元组创建层次索引可以通过 pd.MultiIndex.from_tuples() 方法实现。例如：

import pandas as pd

index = pd.MultiIndex.from_tuples([('张三', '初中'), ('张三', '高中'), ('李四', '高中'), ('王五', '初中')], names=['name', 'grade'])

此处我们创建了一个包含四个元素的元组列表，每个元组包含两个值：学生姓名和年级。我们可以通过 names 参数为每个级别指定名称，这里我们分别指定为 name 和 grade。

使用字典

使用字典创建层次索引可以通过 pd.MultiIndex.from_dict() 方法实现。例如：

import pandas as pd

index = pd.MultiIndex.from_dict({'name': ['张三', '张三', '李四', '王五'], 'grade': ['初中', '高中', '高中', '初中']})

此处我们创建了一个包含两个键（即两个级别）的字典，每个键对应一个值列表，分别表示学生姓名和年级。

访问层次索引

访问层次索引可以通过 loc[] 和 iloc[] 进行。其中 loc[] 基于标签进行访问，iloc[] 基于整数索引进行访问。

基于标签

基于标签的访问可以通过在 loc[] 中使用元组进行。例如：

import pandas as pd

df = pd.DataFrame({'math': [80, 90, 95, 85], 'english': [85, 87, 88, 86]}, index=pd.MultiIndex.from_tuples([('张三', '初中'), ('张三', '高中'), ('李四', '高中'), ('王五', '初中')], names=['name', 'grade']))

print(df.loc[('张三', '初中')])

此处我们首先创建了一个包含两个层次的DataFrame，然后通过 loc[] 访问特定索引：

math       80
english    85
Name: (张三, 初中), dtype: int64

基于整数索引

基于整数索引的访问可以通过在 iloc[] 中使用整数进行。例如：

import pandas as pd

df = pd.DataFrame({'math': [80, 90, 95, 85], 'english': [85, 87, 88, 86]}, index=pd.MultiIndex.from_tuples([('张三', '初中'), ('张三', '高中'), ('李四', '高中'), ('王五', '初中')], names=['name', 'grade']))

print(df.iloc[0])

此处我们同样首先创建了一个包含两个层次的DataFrame，然后通过 iloc[] 访问特定索引：

math       80
english    85
Name: (张三, 初中), dtype: int64

操作层次索引

操作层次索引可以通过 stack()、unstack()、swaplevel() 等方法进行。其中 stack() 可将列转换为层次索引，unstack() 可将层次索引转换为列，swaplevel() 可交换两个级别的位置。

下面，给出两个示例说明。

示例 1：应用stack()方法

import pandas as pd

df = pd.DataFrame({'math': [80, 90, 95, 85], 'english': [85, 87, 88, 86]}, index=pd.MultiIndex.from_tuples([('张三', '初中'), ('张三', '高中'), ('李四', '高中'), ('王五', '初中')], names=['name', 'grade']))

stacked = df.stack()

print(stacked)

此处我们首先创建了一个包含两个层次的DataFrame，然后通过 stack() 方法将列转换为层次索引：

name  grade          
张三    初中     math       80
              english    85
      高中     math       90
              english    87
李四    高中     math       95
              english    88
王五    初中     math       85
              english    86
dtype: int64

示例 2：应用unstack()和swaplevel()方法

import pandas as pd

df = pd.DataFrame({'math': [80, 90, 95, 85], 'english': [85, 87, 88, 86]}, index=pd.MultiIndex.from_tuples([('张三', '初中'), ('张三', '高中'), ('李四', '高中'), ('王五', '初中')], names=['name', 'grade']))

unstacked = df.unstack('name')

swapped = unstacked.swaplevel('grade', 'subject', axis=1)

print(swapped)

此处我们首先创建了一个包含两个层次的DataFrame，然后通过 unstack() 方法将层次索引转换为列，接着通过 swaplevel() 方法交换两个级别的位置：

          math         english      
name        张三  李四  王五      张三  李四  王五
grade subject                              
初中    math   80   85  85      85  88  86
高中    math   90   95  85      87  88  86

通过以上两个示例，我们可以进一步理解Pandas中层次索引和取值的新方法。

Tags: