介绍 Pandas 实战中一些高端玩法

DataFrame
数据集当中的分层索引问题。什么是多重/分层索引
DataFrame
数据集多重索引的创建
columns
参数时传递两个或者更多的数组,代码如下df1 = pd.DataFrame(np.random.randint(0, 100, size=(2, 4)),
index= ['ladies', 'gentlemen'],
columns=[['English', 'English', 'French', 'French'],
['like', 'dislike', 'like', 'dislike']])

index
参数的时候传递两个或者更多数组即可,代码如下df = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),
index= [['English','', 'Chinese',''],
['like','dislike','like','dislike']],
columns=['ladies', 'gentlemen'])

pd.MultiIndex.from_arrays
pd.MultiIndex.from_frame
pd.MultiIndex.from_tuples
pd.MultiIndex.from_product
df2 = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),
columns= ['ladies', 'gentlemen'],
index=pd.MultiIndex.from_product([['English','French'],
['like','dislike']]))

获取多重索引的值
import pandas as pd
from pandas import IndexSlice as idx
df = pd.read_csv('dataset.csv',
index_col=[0,1],
header=[0,1]
)
df = df.sort_index()
df

df.columns.levels
FrozenList([['Day', 'Night'], ['Max Temperature', 'Weather', 'Wind']])
df.columns.get_level_values(0)
Index(['Day', 'Day', 'Day', 'Night', 'Night', 'Night'], dtype='object')
df.columns.get_level_values(1)
Index(['Weather', 'Wind', 'Max Temperature', 'Weather', 'Wind',
'Max Temperature'],
dtype='object')
数据的获取
loc()
方法以及iloc()
方法了,例如df.loc['London' , 'Day']
## 或者是
df.loc[('London', ) , ('Day', )]

loc()
方法来获取第一层级上的数据,要是我们想要获取所有“行”的数据,代码如下df.loc[:, 'Day']
## 或者是
df.loc[:, ('Day',)]

df.loc['London' , :]
## 或者是
df.loc[('London', ) , :]

df.loc['London' , '2019-07-02']
## 或者是
df.loc[('London' , '2019-07-02')]

多重索引的数据获取
df.loc['Cambridge', 'Day'].loc['2019-07-03']

loc['Cambridge', 'Day']
的时候返回的是DataFrame数据集,然后再通过调用loc()
方法来提取数据,当然这里还有更加快捷的方法,代码如下df.loc[('Cambridge', '2019-07-01'), 'Day']
df.loc[
('Cambridge' , ['2019-07-01','2019-07-02'] ) ,
'Day'
]

df.loc[
'Cambridge' ,
('Day', ['Weather', 'Wind'])
]

df.loc[
('Cambridge', '2019-07-01': '2019-07-03'),
'Day'
]

df.loc[
('Cambridge','2019-07-01'):('London','2019-07-03'),
'Day'
]
xs()
方法的调用
xs()
方法来指定多重索引中的层级,例如我们只想要2019年7月1日各大城市的数据,代码如下df.xs('2019-07-01', level='Date')

df.xs(('London', '2019-07-04'), level=['City','Date'])

axis
参数来指定是获取“列”方向还是“行”方向上的数据,例如我们想要获取“Weather”这一列的数据,代码如下df.xs('Weather', level=1, axis=1)

level
参数代表的是层级,我们将其替换成0,看一下出来的结果df.xs('Day', level=0, axis=1)

IndexSlice()方法的调用
Pandas
内部也提供了IndexSlice()
方法来方便我们更加快捷地提取出多重索引数据集中的数据,代码如下from pandas import IndexSlice as idx
df.loc[
idx[: , '2019-07-04'],
'Day'
]

rows = idx[: , '2019-07-02']
cols = idx['Day' , ['Max Temperature','Weather']]
df.loc[rows, cols]


分享
点收藏
点点赞
点在看
关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

随时掌握互联网精彩
赞助链接
排名
热点
搜索指数
- 1 习近平总书记和山西的故事 7904275
- 2 百亿市值上市公司董事疑坠楼去世 7808682
- 3 游本昌《人民日报》撰文 7712667
- 4 夏季多雨 这些安全隐患要留意 7617404
- 5 义乌商户开始收取稳定币 7524110
- 6 高铁F座为什么最受欢迎 7425214
- 7 幼儿园后厨使用彩绘颜料画面曝光 7332970
- 8 缅甸爆发激烈战斗 7233195
- 9 中国表演看幼师 7141326
- 10 周先旺被查 曾任武汉市市长 7044755