6种方式创建多层索引MultiIndex
49_6种方式创建多层索引MultiIndex
公众号:尤而小屋
作者:Peter
编辑:Peter
大家好,我是Peter~
在上一篇文章中介绍了如何创建Pandas中的单层索引,今天给大家带来的是如何创建Pandas中的多层索引。
pd.MultiIndex,即具有多个层次的索引。通过多层次索引,我们就可以操作整个索引组的数据。本文主要介绍在Pandas中创建多层索引的6种方式:
- pd.MultiIndex.from_arrays():多维数组作为参数,高维指定高层索引,低维指定低层索引。
- pd.MultiIndex.from_tuples():元组的列表作为参数,每个元组指定每个索引(高维和低维索引)。
- pd.MultiIndex.from_product():一个可迭代对象的列表作为参数,根据多个可迭代对象元素的笛卡尔积(元素间的两两组合)进行创建索引。
- pd.MultiIndex.from_frame:根据现有的数据框来直接生成
- groupby():通过数据分组统计得到
- pivot_table():生成透视表的方式来得到
pd.MultiIndex.from_arrays()
In [1]:
import pandas as pd
import numpy as np
通过数组的方式来生成,通常指定的是列表中的元素:
In [2]:
# 列表元素是字符串和数字
array1 = [["xiaoming","guanyu","zhangfei"], [22,25,27]]m1 = pd.MultiIndex.from_arrays(array1)
m1
Out[2]:
MultiIndex([('xiaoming', 22),( 'guanyu', 25),('zhangfei', 27)],)
In [3]:
type(m1) # 查看数据类型
通过type函数来查看数据类型,发现的确是:MultiIndex
Out[3]:
pandas.core.indexes.multi.MultiIndex
在创建的同时可以指定每个层级的名字:
In [4]:
# 列表元素全是字符串
array2 = [["xiaoming","guanyu","zhangfei"],["male","male","female"]]m2 = pd.MultiIndex.from_arrays(array2, # 指定姓名和性别names=["name","sex"])
m2
Out[4]:
MultiIndex([('xiaoming', 'male'),( 'guanyu', 'male'),('zhangfei', 'female')],names=['name', 'sex'])
下面的例子是生成3个层次的索引且指定名字:
In [5]:
array3 = [["xiaoming","guanyu","zhangfei"],["male","male","female"],[22,25,27]]m3 = pd.MultiIndex.from_arrays(array3, names=["姓名","性别","年龄"])m3
Out[5]:
MultiIndex([('xiaoming', 'male', 22),( 'guanyu', 'male', 25),('zhangfei', 'female', 27)],names=['姓名', '性别', '年龄'])
pd.MultiIndex.from_tuples()
通过元组的形式来生成多层索引:
In [6]:
# 元组的形式
array4 = (("xiaoming","guanyu","zhangfei"), (22,25,27))m4 = pd.MultiIndex.from_arrays(array4)
m4
Out[6]:
MultiIndex([('xiaoming', 22),( 'guanyu', 25),('zhangfei', 27)],)
In [7]:
# 元组构成的3层索引
array5 = (("xiaoming","guanyu","zhangfei"),("male","male","female"),(22,25,27))m5 = pd.MultiIndex.from_arrays(array5)
m5
Out[7]:
MultiIndex([('xiaoming', 'male', 22),( 'guanyu', 'male', 25),('zhangfei', 'female', 27)],)
列表和元组是可以混合使用的:
- 最外层是列表
- 里面全部是元组
In [8]:
array6 = [("xiaoming","guanyu","zhangfei"),("male","male","female"),(18,35,27)]
# 指定名字
m6 = pd.MultiIndex.from_arrays(array6,names=["姓名","性别","年龄"])
m6
Out[8]:
MultiIndex([('xiaoming', 'male', 18),( 'guanyu', 'male', 35),('zhangfei', 'female', 27)],names=['姓名', '性别', '年龄'] # 指定名字)
pd.MultiIndex.from_product()
使用可迭代对象的列表作为参数,根据多个可迭代对象元素的笛卡尔积(元素间的两两组合)进行创建索引。
在Python中,我们使用 isinstance()
函数 判断python对象是否可迭代:
# 导入 collections 模块的 Iterable 对比对象
from collections import Iterable
通过上面的例子我们总结:常见的字符串、列表、集合、元组、字典都是可迭代对象
下面举例子来说明:
In [18]:
names = ["xiaoming","guanyu","zhangfei"]
numbers = [22,25]m7 = pd.MultiIndex.from_product([names, numbers], names=["name","number"]) # 指定名字
m7
Out[18]:
MultiIndex([('xiaoming', 22),('xiaoming', 25),( 'guanyu', 22),( 'guanyu', 25),('zhangfei', 22),('zhangfei', 25)],names=['name', 'number'])
In [19]:
# 需要展开成列表形式
strings = list("abc")
lists = [1,2]m8 = pd.MultiIndex.from_product([strings, lists],names=["alpha","number"])
m8
Out[19]:
MultiIndex([('a', 1),('a', 2),('b', 1),('b', 2),('c', 1),('c', 2)],names=['alpha', 'number'])
In [20]:
# 使用元组形式
strings = ("a","b","c")
lists = [1,2]m9 = pd.MultiIndex.from_product([strings, lists],names=["alpha","number"])m9
Out[20]:
MultiIndex([('a', 1),('a', 2),('b', 1),('b', 2),('c', 1),('c', 2)],names=['alpha', 'number'])
In [21]:
# 使用range函数
strings = ("a","b","c") # 3个元素
lists = range(3) # 0,1,2 3个元素m10 = pd.MultiIndex.from_product([strings, lists],names=["alpha","number"])m10
Out[21]:
MultiIndex([('a', 0),('a', 1),('a', 2),('b', 0),('b', 1),('b', 2),('c', 0),('c', 1),('c', 2)],names=['alpha', 'number'])
In [22]:
# 使用range函数
strings = ("a","b","c")
list1 = range(3) # 0,1,2
list2 = ["x","y"]m11 = pd.MultiIndex.from_product([strings, list1, list2],names=["name","l1","l2"])
m11 # 总个数 3*3*2=18
总个数是``332=18`个:
Out[22]:
MultiIndex([('a', 0, 'x'),('a', 0, 'y'),('a', 1, 'x'),('a', 1, 'y'),('a', 2, 'x'),('a', 2, 'y'),('b', 0, 'x'),('b', 0, 'y'),('b', 1, 'x'),('b', 1, 'y'),('b', 2, 'x'),('b', 2, 'y'),('c', 0, 'x'),('c', 0, 'y'),('c', 1, 'x'),('c', 1, 'y'),('c', 2, 'x'),('c', 2, 'y')],names=['name', 'l1', 'l2'])
pd.MultiIndex.from_frame()
通过现有的DataFrame直接来生成多层索引:
df = pd.DataFrame({"name":["xiaoming","guanyu","zhaoyun"],"age":[23,39,34],"sex":["male","male","female"]})
df
直接生成了多层索引,名字就是现有数据框的列字段:
In [24]:
pd.MultiIndex.from_frame(df)
Out[24]:
MultiIndex([('xiaoming', 23, 'male'),( 'guanyu', 39, 'male'),( 'zhaoyun', 34, 'female')],names=['name', 'age', 'sex'])
通过names参数来指定名字:
In [25]:
# 可以自定义名字pd.MultiIndex.from_frame(df,names=["col1","col2","col3"])
Out[25]:
MultiIndex([('xiaoming', 23, 'male'),( 'guanyu', 39, 'male'),( 'zhaoyun', 34, 'female')],names=['col1', 'col2', 'col3'])
groupby()
通过groupby函数的分组功能计算得到:
In [26]:
df1 = pd.DataFrame({"col1":list("ababbc"),"col2":list("xxyyzz"),"number1":range(90,96),"number2":range(100,106)})
df1
Out[26]:
df2 = df1.groupby(["col1","col2"]).agg({"number1":sum,"number2":np.mean})
df2
查看数据的索引:
In [28]:
df2.index
Out[28]:
MultiIndex([('a', 'x'),('a', 'y'),('b', 'x'),('b', 'y'),('b', 'z'),('c', 'z')],names=['col1', 'col2'])
pivot_table()
通过数据透视功能得到:
In [29]:
df3 = df1.pivot_table(values=["col1","col2"],index=["col1","col2"])
df3
In [30]:
df3.index
Out[30]:
MultiIndex([('a', 'x'),('a', 'y'),('b', 'x'),('b', 'y'),('b', 'z'),('c', 'z')],names=['col1', 'col2'])
6种方式创建多层索引MultiIndex相关推荐
- pandas学习(创建多层索引、数据重塑与轴向旋转)
pandas学习(创建多层索引.数据重塑与轴向旋转) 目录 创建多层索引 数据重塑与轴向旋转 创建多层索引 隐式构造 Series 最常见的方法是给DataFrame构造函数的index参数传递两个或 ...
- 使用三种方式创建Class字节码类文件对象
/*** 使用三种方式创建Class字节码类文件对象** @author silence*/ public class Demo1 {public static void main(String[] ...
- JavaScript 使用3种方式创建如下形式的对象 汽车: 属性: 编号: 品牌: 车型: 方法:
使用3种方式创建如下形式的对象 汽车: 属性: 编号: 品牌: 车型: 方法: 鸣笛: 加油: 载客: <body><script>var 汽车 = {编号: '001',品牌 ...
- 创建索引的三种方式以及删除索引
1.第一种方式:在执行CREATE TABLE时创建索引 CREATE TABLE user_index( #建立主键索引并设置自增 id INT auto_increment PRIMARY KEY ...
- 多线程初探:三种方式创建多线程详细示例
多线程即在同一时间,可以做多件事情. 创建多线程有3种方式,分别是继承线程类,实现Runnable接口,匿名类 一:线程概念 首先要理解进程(Processor)和线程(Thread)的区别 进程:启 ...
- shell和javaAPI两种方式创建hbase表并预分区
在hbase里面,如果我们建表不预分区,那么一个表的数据都会被一个region处理,如果数据过多就会执行region的split,如果数据量很大这样会很费性能,所以最好我们先根据业务的数据量在建表的时 ...
- 两种方式创建纯代码的 iOS 项目,不使用 storyboard
两种方式 1. 去掉 storyboard,保留 SceneDelegate,改用纯代码开发 删除 .storyboard 文件 删除 Deployment Info -> Main Inter ...
- python-去重的三种方式-成员判断-索引判断-集合
通过成员判断 name_list = ["刘备", "张飞", "刘备", "诸葛亮"] temp_list = []f ...
- Go三种方式创建赋值map
var与冒号相等,有了var就不用有冒号,有冒号就不用有var: package mainimport ("fmt" )func main(){// 方式一 :原生普通方式var ...
最新文章
- [转]关于MyEclipse下的项目无法使用BASE64Encoder问题的解决办法
- SQL compute by 的使用
- hibernate小记
- [TODO]Python拾遗(二)
- php中pregmatch,php中preg_match的isU代表什么意思
- python银行排队系统_python-我需要基于Web的系统的消息/排队解决...
- AjaxPro.Dll运用
- android sdk 最新国内镜像下载,【Android SDK Manager】SDk国内镜像下载地址
- velocity语法
- excel软件php函数,excel的函数
- python中rect函数_Rect和RectF函数
- 统计遗传学:第四章,GWAS分析
- 微信第三方开放平台代公众号实现业务
- 淘宝直播详细开通方法
- 如何停止keepalived_systemctl无法停掉keepalived
- Linux 中 TCL 和 Expect语法
- “免费午餐”成为销量第一,看明星吉杰淘宝直播如何抓取粉丝眼球
- 收集的几个国外好用的免费PS素材网站,国内可访问而且免费
- Python求风向xy向量
- 100个小学生猜字谜大全及答案