脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → pandas多层索引

pandas多层索引的创建和取值以及排序的实现

 更新时间：2021年03月09日 08:32:47   作者：蓝小白1024  
这篇文章主要介绍了pandas多层索引的创建和取值以及排序的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

多层索引的创建

普通-多个index创建

  • 在创建数据的时候加入一个index列表,这个index列表里面是多个索引列表

Series多层索引的创建方法

import pandas as pd
s = pd.Series([1,2,3,4,5,6],index=[['张三','张三','李四','李四','王五','王五'],
                  ['期中','期末','期中','期末','期中','期末']])
# print(s)
s

张三  期中    1
    期末    2
李四  期中    3
    期末    4
王五  期中    5
    期末    6
dtype: int64

利用 numpy中的随机数

import numpy as np

data = np.random.randint(0,100,size=(6,3))
# np.random.randint(0,100,size=(6,3))是使用numpy中的随机模块random中，生成随机整数方法randint，
# 里面的参数size是指定生成6行3列的数据，并且每个数字的范围在0到100之间

data

array([[44, 66, 67],
    [82, 52, 0],
    [34, 78, 23],
    [38, 4, 43],
    [60, 62, 40],
    [57, 9, 11]])

Dataframe多层索引创建

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,3))
df = pd.DataFrame(data,index=[['张三','张三','李四','李四','王五','王五'],
               ['期中','期末','期中','期末','期中','期末']],
           columns=['Java','Web','Python'])

df

Java Web Python
张三 期中 68 4 90
期末 33 63 73
李四 期中 30 13 68
期末 14 18 48
王五 期中 34 66 26
期末 89 10 35

简化创建-from_product()

import pandas as pd
import numpy as np

data = np.random.randint(0,100,size=(6,3))
names = ['张三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([names,exam])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
# print(df)
df

Java Web Python
张三 期中 51 78 47
期末 39 53 36
李四 期中 33 60 83
期末 90 55 3
王五 期中 37 45 66
期末 6 82 71

from_product()在这个里面的列表中位置不同, 产生的索引页会不同

index = pd.MultiIndex.from_product([exam, names])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
# print(df)
df

Java Web Python
期中 张三 51 78 47
李四 39 53 36
王五 33 60 83
期末 张三 90 55 3
李四 37 45 66
王五 6 82 71

from_product([exam,names])会将列表中第一个元素作为最外层索引，依次类推

多层索引的取值

获取到我们想要的数据

获取多层索引Series中的数据

创建数据

import pandas as pd
s = pd.Series([1,2,3,4,5,6],index=[['张三','张三','李四','李四','王五','王五'],
                  ['期中','期末','期中','期末','期中','期末']])
print(s)

张三  期中    1
    期末    2
李四  期中    3
    期末    4
王五  期中    5
    期末    6
dtype: int64

可以直接使用[]的方式取最外面的一个层级 s[‘张三']

s['李四']

# 注意：[]取值方式，不可直接使用最外层以外的其他层级，例如：s['期末']

期中    3
期末    4
dtype: int64

使用['外索引', '内索引'], 获取某个数据

注意：[‘张三',‘期末']他们的顺序不能变。剥洋葱原则，从外到内一层一层的剥。

s['李四', '期中'] # 李四期中分值

# 注意：['张三','期末']他们的顺序不能变。剥洋葱原则，从外到内一层一层的剥。

3

使用[]的切片，获取数据s[:,‘期中']

s[:,'期中'] # 第一个值为全部的外索引

张三    1
李四    3
王五    5
dtype: int64

使用 loc

  • loc 使用的是标签suoyin
  • iloc使用的是位置索引
# loc 使用方式与 [] 的方式基本一样

s.loc['张三']
s.loc['张三','期中']
s.loc[:,'期中']

# iloc 的取值并不会受多层索引影响，只会根据数据的位置索引进行取值, 不推荐

张三    1
李四    3
王五    5
dtype: int64

多层索引DataFrame的取值

在对多层索引DataFrame的取值是，推荐使用 loc() 函数

import pandas as pd
import numpy as np
#size参数是指定生成6行3列的数组
data = np.random.randint(0,100,size=(6,3))
names = ['张三','李四','王五']
exam = ['期中','期末']
index = pd.MultiIndex.from_product([names,exam])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])
df

Java Web Python
张三 期中 3 40 52
期末 74 38 85
李四 期中 7 28 16
期末 9 25 0
王五 期中 13 24 8
期末 49 46 1

三种方式都可以获取张三期中各科成绩

# df.loc['张三','期中']
# df.loc['张三'].loc['期中']
# df.loc[('张三','期中')]

注意：DataFrame中对行索引的时候和Series有一个同样的注意点，就是无法直接对二级索引直接进行索引，必须让二级索引变成一级索引后才能对其进行索引

多层索引的排序

  • 使用sort_index() 排序
  • level参数可以指定是否按照指定的层级进行排列
  • 第一层索引值为0, 第二层索引的值为1

创建数据

import pandas as pd
data = np.random.randint(0,100,size=(9,3))
key1 = ['b','c','a']
key2 = [2,1,3]
index = pd.MultiIndex.from_product([key1,key2])
df = pd.DataFrame(data,index=index,columns=['Java','Web','Python'])

df

Java Web Python
b 2 56 82 81
1 84 16 55
3 35 25 86
c 2 76 1 76
1 36 28 94
3 79 70 97
a 2 25 17 30
1 38 38 78
3 41 75 90

排序

  • DataFrame按行索引排序的方法是sort_index()
  • 如果直接使用的话,不传参数, 会把每一层索引根据值进行升序排序
df.sort_index()

Java Web Python
a 1 18 60 74
2 66 87 27
3 96 18 64
b 1 72 58 52
2 22 31 22
3 31 12 83
c 1 6 54 96
2 9 47 18
3 31 63 4 

# 当level=0时，ascending=False, 会根据第一层索引值进行降序排序
df.sort_index(level=0,ascending=False)

Java Web Python
c 3 79 70 97
2 76 1 76
1 36 28 94
b 3 35 25 86
2 56 82 81
1 84 16 55
a 3 41 75 90
2 25 17 30
1 38 38 78 

# 当level=1时，会根据第二层索引值进行降序排序

df.sort_index(level=1,ascending=False)

# 数据会根据第二层索引值进行相应的降序排列，
# 如果索引值相同时会根据其他层索引值排列

Java Web Python
c 3 79 70 97
b 3 35 25 86
a 3 41 75 90
c 2 76 1 76
b 2 56 82 81
a 2 25 17 30
c 1 36 28 94
b 1 84 16 55
a 1 38 38 78

通过level设置排序的索引层级，其他层索引也会根据其排序规则进行排序

到此这篇关于pandas多层索引的创建和取值以及排序的实现的文章就介绍到这了,更多相关pandas多层索引内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • Python学习笔记之open()函数打开文件路径报错问题

    Python学习笔记之open()函数打开文件路径报错问题

    这篇文章主要介绍了Python学习笔记之open()函数打开文件路径报错问题，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2018-04-04
  • Python区块链创世块创建教程

    Python区块链创世块创建教程

    这篇文章主要为大家介绍了Python区块链创世块创建教程，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2022-05-05
  • Python利用xmltodict实现字典和xml互相转换的示例代码

    Python利用xmltodict实现字典和xml互相转换的示例代码

    xmltodict是一个Python第三方库,用于处理XML数据,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2024-12-12
  • Python标准库中隐藏的利器(示例详解)

    Python标准库中隐藏的利器(示例详解)

    在命令行中直接使用Python标准库的模块，最大的好处就是就是不用写代码，就能使用其中的功能，当临时需要一些某些功能的时候，用这种方式会快捷，方便很多，这篇文章主要介绍了Python标准库中隐藏的利器,需要的朋友可以参考下
    2023-11-11
  • Python encode()方法和decode()方法详解

    Python encode()方法和decode()方法详解

    encode() 方法为字符串类型（str）提供的方法，用于将 str 类型转换成 bytes 类型，这个过程也称为“编码”，这篇文章主要介绍了Python encode()方法和decode()方法,需要的朋友可以参考下
    2022-12-12
  • Python实现批量文件自定义命名

    Python实现批量文件自定义命名

    有时候我们经常需要对某一个文件夹中的文件进行重命名修改,但是我们一个一个取修改将会非常繁琐,下面我们就来利用Python实现批量文件自定义命名吧
    2024-11-11
  • Python采集C站高校信息实战示例

    Python采集C站高校信息实战示例

    这篇文章主要为大家介绍了Python采集C站高校信息实战示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2023-05-05
  • Python中字典的浅拷贝与深拷贝用法实例分析

    Python中字典的浅拷贝与深拷贝用法实例分析

    这篇文章主要介绍了Python中字典的浅拷贝与深拷贝用法,结合实例形式分析了字典浅拷贝与深拷贝的原理、区别与使用方法,需要的朋友可以参考下
    2018-01-01
  • Python 实战开发校园管理系统详细流程

    Python 实战开发校园管理系统详细流程

    读万卷书不如行万里路，只学书上的理论是远远不够的，只有在实战中才能获得能力的提升，本篇文章手把手带你用Python开发一套校园管理系统，包含各种人员，如教师、学生等。学校的系统通常还包括一些课程的信息,大家可以在过程中查缺补漏，提升水平
    2021-10-10
  • Django JSonResponse对象的实现

    Django JSonResponse对象的实现

    本文主要介绍了Django JSonResponse对象的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2023-03-03

最新评论