pandas 层次化索引的实现方法


						层次化索引是pandas的一项重要功能，它使你能在一个轴上拥有多个（两个以上）索引级别。

创建一个Series，并用一个由列表或数组组成的列表作为索引。





data=Series(np.random.randn(10),

index=[['a','a','a','b','b','b','c','c','d','d'],

[1,2,3,1,2,3,1,2,2,3]])



data

Out[6]: 

a 1  -2.842857

  2  0.376199

  3  -0.512978

b 1  0.225243

  2  -1.242407

  3  -0.663188

c 1  -0.149269

  2  -1.079174

d 2  -0.952380

  3  -1.113689

dtype: float64



这就是带MultiIndex索引的Series的格式化输出形式。索引之间的“间隔”表示“直接使用上面的标签”。





data.index

Out[7]: 

MultiIndex(levels=[['a', 'b', 'c', 'd'], [1, 2, 3]],

labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])



对于一个层次化索引的对象，选取数据子集的操作很简单：





data['b']

Out[8]: 

1  0.225243

2  -1.242407

3  -0.663188

dtype: float64





data['b':'c']

Out[10]: 

b 1  0.225243

  2  -1.242407

  3  -0.663188

c 1  -0.149269

  2  -1.079174

dtype: float64



data.ix[['b','d']]

__main__:1: DeprecationWarning: 

.ix is deprecated. Please use

.loc for label based indexing or

.iloc for positional indexing



See the documentation here:

http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecated

Out[11]: 

b 1  0.225243

  2  -1.242407

  3  -0.663188

d 2  -0.952380

  3  -1.113689

dtype: float64



甚至可以在“内层”中进行选取：





data[:,2]

Out[12]: 

a  0.376199

b  -1.242407

c  -1.079174

d  -0.952380

dtype: float64



层次化索引在数据重塑和基于分组的操作中扮演重要角色。

可以通过unstack方法被重新安排到一个DataFrame中：







data.unstack()

Out[13]: 

     1     2     3

a -2.842857 0.376199 -0.512978

b 0.225243 -1.242407 -0.663188

c -0.149269 -1.079174    NaN

d    NaN -0.952380 -1.113689





#unstack的逆运算是stack

data.unstack().stack()

Out[14]: 

a 1  -2.842857

  2  0.376199

  3  -0.512978

b 1  0.225243

  2  -1.242407

  3  -0.663188

c 1  -0.149269

  2  -1.079174

d 2  -0.952380

  3  -1.113689

dtype: float64



对于DataFrame，每条轴都可以有分层索引：





frame=DataFrame(np.arange(12).reshape((4,3)),

index=[['a','a','b','b'],[1,2,1,2]],

columns=[['Ohio','Ohio','Colorado'],

['Green','Red','Green']])



frame

Out[16]: 

   Ohio   Colorado

  Green Red  Green

a 1   0  1    2

 2   3  4    5

b 1   6  7    8

 2   9 10    11



各层都可以有名字。如果指定了名称，它们会显示在控制台中（不要将索引名称和轴标签混为一谈！）





frame.index.names=['key1','key2']

frame.columns.names=['state','color']



frame

Out[22]: 

state   Ohio   Colorado

color   Green Red  Green

key1 key2          

a  1    0  1    2

   2    3  4    5

b  1    6  7    8

   2    9 10    11



由于有了分部的列索引，可以轻松选取列分组：





frame['Ohio']

Out[23]: 

color   Green Red

key1 key2      

a  1     0  1

   2     3  4

b  1     6  7

   2     9  10



重排分级排序

有时需要重新调整某条轴上各级别的顺序，或根据指定级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（但数据不会发生变化）：





frame.swaplevel('key1','key2')

Out[24]: 

state   Ohio   Colorado

color   Green Red  Green

key2 key1          

1  a    0  1    2

2  a    3  4    5

1  b    6  7    8

2  b    9 10    11



sortlevel则根据单个级别中的值对数据进行排序。交换级别时，常用得到sortlevel，这样最终结果也是有序的了：





frame.swaplevel(0,1)

Out[27]: 

state   Ohio   Colorado

color   Green Red  Green

key2 key1          

1  a    0  1    2

2  a    3  4    5

1  b    6  7    8

2  b    9 10    11



#交换级别0,1（也就是key1,key2)

#然后对axis=0进行排序

frame.swaplevel(0,1).sortlevel(0)

__main__:1: FutureWarning: sortlevel is deprecated, use sort_index(level= ...)

Out[28]: 

state   Ohio   Colorado

color   Green Red  Green

key2 key1          

1  a    0  1    2

   b    6  7    8

2  a    3  4    5

   b    9 10    11



根据级别汇总统计

有时需要重新调整某条轴上各级别的顺序，或根据指定级别上的值对数据进行排序。swaplevel接受两个级别编号或名称，并返回一个互换了级别的新对象（但数据不会发生变化）：





frame.sum(level='key2')

Out[29]: 

state Ohio   Colorado

color Green Red  Green

key2          

1     6  8    10

2    12 14    16



frame.sum(level='color',axis=1)

Out[30]: 

color   Green Red

key1 key2      

a  1     2  1

   2     8  4

b  1    14  7

   2    20  10



使用DataFrame的列

将DataFrame的一个或多个列当做行索引来用，或将行索引变成Dataframe 的列。





frame=DataFrame({'a':range(7),'b':range(7,0,-1),

'c':['one','one','one','two','two','two','two'],

'd':[0,1,2,0,1,2,3]})



frame

Out[32]: 

  a b  c d

0 0 7 one 0

1 1 6 one 1

2 2 5 one 2

3 3 4 two 0

4 4 3 two 1

5 5 2 two 2

6 6 1 two 3



DataFrame的set_index函数会将其一个或多个列转换为行索引，并创建一个新的DataFrame：





frame2=frame.set_index(['c','d'])



frame2

Out[34]: 

    a b

c  d   

one 0 0 7

  1 1 6

  2 2 5

two 0 3 4

  1 4 3

  2 5 2

  3 6 1



默认情况下，那些列会从DataFrame中移除，但也可以将其保留下来：





frame.set_index(['c','d'],drop=False)

Out[35]: 

    a b  c d

c  d       

one 0 0 7 one 0

  1 1 6 one 1

  2 2 5 one 2

two 0 3 4 two 0

  1 4 3 two 1

  2 5 2 two 2

  3 6 1 two 3



reset_index的功能和set_index刚好相反，层次化索引的级别会被转移到列里面：





frame2.reset_index()

Out[36]: 

   c d a b

0 one 0 0 7

1 one 1 1 6

2 one 2 2 5

3 two 0 3 4

4 two 1 4 3

5 two 2 5 2

6 two 3 6 1



以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。