Python pandas，index索引，修改索引，复合索引，将某列设为索引

demo.py（index索引，修改索引，将DataFrame某列设为索引）：

# coding=utf-8
import numpy as np
import pandas as pddf = pd.DataFrame(np.arange(12, 24).reshape((3, 4)), index=["a", "b", "c"], columns=["WW", "XX", "YY", "ZZ"])
print(df)
'''WW  XX  YY  ZZ
a  12  13  14  15
b  16  17  18  19
c  20  21  22  23
'''# 查看索引 (索引是可以重复的)
print(df.index)  # Index(['a', 'b', 'c'], dtype='object')# 修改索引
df.index = ["aa", "bb", "cc"]   # []列表的长度必须与df行数一致。
print(df)
'''WW  XX  YY  ZZ
aa  12  13  14  15
bb  16  17  18  19
cc  20  21  22  23
'''# 根据索引重新构建数据
df2 = df.reindex(["aa", "pp"])  # 索引存在就正常显示数据，不存在的索引其数据就是NaN
print(df2)
'''WW    XX    YY    ZZ
aa  12.0  13.0  14.0  15.0
pp   NaN   NaN   NaN   NaN
'''# 将某列设置为索引
df3 = df.set_index("YY")  # 将"YY"列设为索引（默认同时删除"YY"列的数据）
print(df3)
'''WW  XX  ZZ
YY
14  12  13  15
18  16  17  19
22  20  21  23
'''df4 = df.set_index("YY", drop=False)  #  drop=False 表示保留原先"YY"列的数据。(默认为True)
print(df4)
'''WW  XX  YY  ZZ
YY
14  12  13  14  15
18  16  17  18  19
22  20  21  22  23
'''# unique()某列去重后的内容
print(df["ZZ"].unique())  # [15 19 23]  ndarray类型df.index = ["ll", "ll", "mm"]  # 索引可以重复
# 去重后的索引
print(df.index.unique())  # Index(['ll', 'mm'], dtype='object')# index索引有长度
print(len(df.index))  # 3# index索引对象可以转换成列表类型
print(list(df.index))  # ['ll', 'll', 'mm']

demo.py（复合索引，通过复合索引取值）：

# coding=utf-8
import numpy as np
import pandas as pddf = pd.DataFrame(np.arange(12, 24).reshape((3, 4)), index=["a", "b", "c"], columns=["WW", "XX", "YY", "ZZ"])
print(df)
'''WW  XX  YY  ZZ
a  12  13  14  15
b  16  17  18  19
c  20  21  22  23
'''# 复合索引 将多列设置为索引
df2 = df.set_index(["XX", "YY"])  # 如果只设置一列不需要[]，如果设置多列需要[]
print(df2)
'''WW  ZZ
XX YY
13 14  12  15
17 18  16  19
21 22  20  23
'''print(df2.index)  # 复合索引
'''
MultiIndex(levels=[[13, 17, 21], [14, 18, 22]],codes=[[0, 1, 2], [0, 1, 2]],names=['XX', 'YY'])
--levels表示去重后的索引
'''# Series类型的复合索引
s1 = df2["WW"]  # Series类型 (只取了一列)。  df2[["WW"]]是DataFrame类型
print(s1)  # Series类型
'''
XX  YY
13  14    12
17  18    16
21  22    20
Name: WW, dtype: int64
'''# 根据复合索引取值
print(s1[13][14])  # 12  索引可以重复，一个索引可能对应多个值(如果对应多个值返回Series类型)
print(s1[13, 14])  # 12  与上一句等同
print(s1[13])  # Series类型。 如果想通过"YY"索引取值，可以先swaplevel()交换索引次序再取值。
'''
YY
14    12
Name: WW, dtype: int64
'''
# 通过复合索引修改
s1[13][14] = 55
print(s1)
'''
XX  YY
13  14    55
17  18    16
21  22    20
Name: WW, dtype: int64
'''# swaplevel()交换索引先后次序。
s2 = s1.swaplevel()  # 将"YY"索引放前，"XX"索引放后
print(s2)
'''
YY  XX
14  13    12
18  17    16
22  21    20
Name: WW, dtype: int64
'''# DataFrame的复合索引
print(df2)
'''WW  ZZ
XX YY
13 14  12  15
17 18  16  19
21 22  20  23
'''# DataFrame通过复合索引取值
print(df2.loc[13].loc[14])  # Series类型。  索引可以重复，可能对应多个值(DataFrame类型)
'''
WW    12
ZZ    15
Name: 14, dtype: int64
'''
print(df2.loc[13])  # DataFrame类型。  如果想通过"YY"索引取值，可以先swaplevel()交换索引次序再取值。
'''WW  ZZ
YY
14  12  15
'''# swaplevel()交换索引先后次序。
df3 = df2.swaplevel()  # 将"YY"索引放前，"XX"索引放后
print(df3)
'''WW  ZZ
YY XX
14 13  12  15
18 17  16  19
22 21  20  23
'''

Python pandas，index索引，修改索引，复合索引，将某列设为索引相关推荐

python pandas库读取excel/csv中指定行或列数据详解
通过阅读表格,可以发现Pandas中提供了非常丰富的数据读写方法,下面这篇文章主要给大家介绍了关于python利用pandas库读取excel/csv中指定行或列数据的相关资料,需要的朋友可以参考下 ...
python列索引行的数据公式_用列和行索引函数填充dataframe缺失元素的最有效方法...
我有一个缺少值的数据帧.在import pandas as pd import numpy as np np.random.seed([3,1415]) df = pd.DataFrame(np.ra ...
Python pandas 操作 csv 修改 2021/8/29
废话不多说,知道大家只喜欢看美女,哦哦哦好头疼哦~ 啊不是,是看代码 csv 做操作编辑我想最方便还是pandas了,它不用占用文件,要写就写,要删就删,别问我为什么要用csv搞这个,问就是我只为写教 ...
Python Pandas 常用的数据结构有哪些？详解Series、DataFrame、Index数据结构。
Pandas常用数据结构 Pandas简介 Series 构建 Series 对象通过数组/列表通过ndarray 通过dict 指定index Series 数据结构查看 Series 数据 ...
python pandas 讲解ppt_Python数据分析之Pandas入门
一.概述之前我们讲了Python数据分析中基础的工具包Numpy,今天我们来讲讲Pandas,由于Pandas的内容也比较多,本文主要还是讲解一些入门的基本知识. 二.详细说明同样的我们来引入使用 ...
Python字符串index（）
Python String index() function returns the lowest index where the specified substring is found. If t ...
python pandas dataframe 不显示索引_Python DataFrame 设置输出不显示index(索引)值的方法...
Python DataFrame 设置输出不显示index(索引)值的方法在输出代码行中,加入"index=False"如下: m_pred_survived.to_csv(&q ...
python根据index合并_通过index和cols合并/联接/追加两个Pandas数据帧，其中包含多索引列...
为了这件事我一直把头撞在桌子上,不知道有没有办法,也许我在尝试一些不可能的事情.在我有两个带有多索引列(三级)和时间索引(单级)的数据帧.第一个是这样的:border a-b c-d from a ...
pandas把dataframe的数据列转化为索引列实战：单列转化为索引、多列转化为复合索引
pandas把dataframe的数据列转化为索引列实战:单列转化为索引.多列转化为复合索引目录

Python pandas，index索引，修改索引，复合索引，将某列设为索引

Python pandas，index索引，修改索引，复合索引，将某列设为索引相关推荐

最新文章

热门文章