游戏怎么制作,百度seo软件优化,广告片宣传片拍摄公司,太湖县住房和城乡建设局网站文章目录层次化索引的概念层次化索引的创建使用嵌套列表的方式构造层次化索引对象Series对象DataFrame对象通过MultiIndex类的方法构建层次化索引通过from_tuples()方法创建MultiIndex对象通过from_arrays()方法创建MultiIndex对象通过from_product()方法创建MultiIndex对象层次…
文章目录层次化索引的概念层次化索引的创建使用嵌套列表的方式构造层次化索引对象Series对象DataFrame对象通过MultiIndex类的方法构建层次化索引通过from_tuples()方法创建MultiIndex对象通过from_arrays()方法创建MultiIndex对象通过from_product()方法创建MultiIndex对象层次化索引的操作选取子集获取外层索引子集获取内层索引子集交换分层顺序——swaplevel()排序分层sort_index()sort_values()层次化索引的概念
只有一层索引结构行索引、列索引的Pandas对象称为单层索引层次化索引可以理解为单层索引的延申即在一个轴方向上具有多层索引。 层次化索引的创建
使用嵌套列表的方式构造层次化索引对象
Series对象
使用构造方法创造Series对象时index参数接收了一个嵌套列表来设置索引的层级。
嵌套的第一个列表会作为外层索引第二个列表会作为内层索引。
import pandas as pd
import numpy as npse pd.Series([1, 2, 3, 4, 5, 6, 7, 8],index[[河北省, 河北省, 河北省, 河北省,河南省, 河南省, 河南省, 河南省],[石家庄, 唐山, 邯郸, 秦皇岛, 郑州, 开封, 洛阳, 新乡]])
print(se)输出结果
河北省 石家庄 1唐山 2邯郸 3秦皇岛 4
河南省 郑州 5开封 6洛阳 7新乡 8
dtype: int64DataFrame对象
嵌套函数中两个列表的长度必须是保持一致的否则将会出现ValueError错误。
df DataFrame([1, 2, 3, 4, 5, 6, 7, 8],index[[河北省, 河北省, 河北省, 河北省,河南省, 河南省, 河南省, 河南省],[石家庄, 唐山, 邯郸, 秦皇岛, 郑州, 开封, 洛阳, 新乡]],columns[占地面积])
print(df)
df1 DataFrame({占地面积: [1, 2, 3, 4, 5, 6, 7, 8]},index[[河北省, 河北省, 河北省, 河北省,河南省, 河南省, 河南省, 河南省],[石家庄, 唐山, 邯郸, 秦皇岛, 郑州, 开封, 洛阳, 新乡]])
print(df1)输出结果 两种方式的输出结果是一致的 占地面积
河北省 石家庄 1唐山 2邯郸 3秦皇岛 4
河南省 郑州 5开封 6洛阳 7新乡 8占地面积
河北省 石家庄 1唐山 2邯郸 3秦皇岛 4
河南省 郑州 5开封 6洛阳 7新乡 8通过MultiIndex类的方法构建层次化索引
除了使用嵌套列表的方式构造层次化索引以外还可以通过MultiIndex类的方法构建一个层次化索引。 MultiIndex类提供了3种创建层次化索引的方法。
MultiIndex.from_tuples()将元组列表转换为MultiIndex。
MultiIndex.from_arrays()将数组列表转换为MultiIndex。
MultiIndex.from_product()从多个集合的笛卡尔乘积种创建一个MultiIndex。 MultiIndex类对象种有三个比较重要的属性
levels 表示每个级别的唯一标签
labels : 表示每一个索引列种每个元素在levels中对应的第几个元素
names 设置索引等级名称 通过from_tuples()方法创建MultiIndex对象
from_tuples()方法可以将包含若干个元组的列表转换为MultiIndex对象其中元组的第一个元素作为外层索引元组的第二个元素作为内层索引。
from pandas import MultiIndexlist_tuples [(A, A1), (A, A2), (A, A3), (B, B1), (B, B2)]
# 创建包含多个元组的列表
multi_tuple MultiIndex.from_tuples(tupleslist_tuples, names[外层索引, 内层索引])
# 根据元组列表创建一个MultiIndex对象
print(multi_tuple)输出结果
MultiIndex([(A, A1),(A, A2),(A, A3),(B, B1),(B, B2)],names[外层索引, 内层索引])接下来创建一个DataFrame对象把刚创建的创建的multi_tuple传递给index参数。
import pandas as pdvalue [[1, 2, 3], [8, 5, 7], [4, 7, 7], [5, 5, 4], [4, 9, 9]]
df_tuple pd.DataFrame(datavalue, indexmulti_tuple)
print(df_tuple)输出结果
外层索引 内层索引
A A1 1 2 3A2 8 5 7A3 4 7 7
B B1 5 5 4B2 4 9 9通过from_arrays()方法创建MultiIndex对象
from_arrays()方法是将数组列表转换为MultiIndex对象其中嵌套的第一个列表将作为外层索引嵌套的第二个列表将作为内层索引。
from pandas import MultiIndexmulti_array MultiIndex.from_arrays(arrays[[A, B, A, B, B],[A1, A2, B1, B2, B3]],names[外层索引, 内层索引])
# 根据列表创建一个MultiIndex对象
print(multi_array)输出结果
MultiIndex([(A, A1),(B, A2),(A, B1),(B, B2),(B, B3)],names[外层索引, 内层索引])参数arrays既可以接收列表也可以接受数组不过每个列表或者数组的长度必须是相同的。
接下来创建一个DataFrame对象把刚刚创建的multi_array传递给index参数。
import pandas as pd
import numpy as npvalue1 np.arange(10).reshape(5, 2)
df_array pd.DataFrame(datavalue1, indexmulti_array)
print(df_array)输出结果 0 1
外层索引 内层索引
A A1 0 1
B A2 2 3
A B1 4 5
B B2 6 7B3 8 9通过from_product()方法创建MultiIndex对象
from_product()方法表示从多个集合的笛卡尔积中创建一个MultiIndex对象。
number [0, 1, 2]
colors [green, purple]
multi_product pd.MultiIndex.from_product(iterables[number, colors],names[number, color])
print(multi_product)输出结果
MultiIndex([(0, green),(0, purple),(1, green),(1, purple),(2, green),(2, purple)],names[number, color])接下来创建一个DataFrame对象把刚刚创建的multi_product传递给index参数让该对象有两层索引结构。
value2 np.arange(12).reshape(6, 2)
df_product pd.DataFrame(datavalue2, indexmulti_product)
print(df_product)输出结果 0 1
number color
0 green 0 1purple 2 3
1 green 4 5purple 6 7
2 green 8 9purple 10 11层次化索引的操作
选取子集
创建Series对象
ser_obj Series([50, 60, 40, 94, 63, 101, 200, 56, 45],index[[小说, 小说, 小说,散文随笔, 散文随笔, 散文随笔,传记, 传记, 传记],[高山上的小邮局, 失踪的总统, 绿毛水怪,皮囊, 浮生六记, 自在独行,梅西, 老舍自传, 库里传]])
print(ser_obj)输出结果
小说 高山上的小邮局 50失踪的总统 60绿毛水怪 40
散文随笔 皮囊 94浮生六记 63自在独行 101
传记 梅西 200老舍自传 56库里传 45
dtype: int64获取外层索引子集
例如获取所有外层索引为“小说”的子集
print(ser_obj[小说]) 输出结果
高山上的小邮局 50
失踪的总统 60
绿毛水怪 40
dtype: int64获取内层索引子集
例如获取内层索引为“老舍自传”的子集
print(ser_obj[:, 老舍自传]) 输出结果
传记 56
dtype: int64交换分层顺序——swaplevel()
交换分层顺序是指交换外层索引和内层索引的位置。
print(ser_obj.swaplevel())输出结果
高山上的小邮局 小说 50
失踪的总统 小说 60
绿毛水怪 小说 40
皮囊 散文随笔 94
浮生六记 散文随笔 63
自在独行 散文随笔 101
梅西 传记 200
老舍自传 传记 56
库里传 传记 45
dtype: int64排序分层
sort_index() sort_index( self, axis0, levelNone, ascendingTrue, inplaceFalse, kind“quicksort”, na_position“last”, sort_remainingTrue, ignore_index: bool False, ) 上述方法的部分参数含义如下
ascending 是否升序排列默认为True升序排列。
在使用sort_index()方法排序时会优先选择按外层索引进行排序然后再按照内层索引进行排序。 创建一个DataFrame对象
df_obj DataFrame({word: [a, b, d, e, f, k, d, s, l],num:[1, 2, 4, 5, 3, 2, 6, 2, 3]},index[[A, A, A, C, C, C, B, B, B],[1, 3, 2, 3, 1, 2, 4, 5, 8]])
print(df_obj)输出结果 word num
A 1 a 13 b 22 d 4
C 3 e 51 f 32 k 2
B 4 d 65 s 28 l 3按索引排序
print(df_obj.sort_index()) 输出结果 word num
A 1 a 12 d 43 b 2
B 4 d 65 s 28 l 3
C 1 f 32 k 23 e 5sort_values() sort_values( self, by, axis0, ascendingTrue, inplaceFalse, kind“quicksort”, na_position“last”, ignore_indexFalse, ) 上述方法的部分参数含义如下
by 按指定的值排序是sort_values()必须填写的参数 按照列索引num进行降序排列
print(df_obj.sort_values(by[num], ascendingFalse))输出结果
word num
B 4 d 6
C 3 e 5
A 2 d 4
C 1 f 3
B 8 l 3
A 3 b 2
C 2 k 2
B 5 s 2
A 1 a 1
