Pandas 备忘拾遗 – 多重索引

from IPython.core.display import display, HTML
display(HTML("<style>.container { width:80% !important; }</style>"))

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
pd.__version__

'1.0.5'

def df_to_markdown(df):
    print(df.to_markdown(tablefmt="github"))

1. 通过数组创建多重索引

arrays = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
          ['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
tuples = list(zip(*arrays))
index = pd.MultiIndex.from_tuples(tuples, names=['first', 'second'])
df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index)
df.columns

MultiIndex([('bar', 'one'),
            ('bar', 'two'),
            ('baz', 'one'),
            ('baz', 'two'),
            ('foo', 'one'),
            ('foo', 'two'),
            ('qux', 'one'),
            ('qux', 'two')],
           names=['first', 'second'])

2. 通过数组,长度不一样,进行笛卡尔积创建多重索引

iterables = [['bar', 'baz','qux', 'foo'], ['one', 'two']]
index = pd.MultiIndex.from_product(iterables, names=['first', 'second'])
index

MultiIndex([('bar', 'one'),
            ('bar', 'two'),
            ('baz', 'one'),
            ('baz', 'two'),
            ('qux', 'one'),
            ('qux', 'two'),
            ('foo', 'one'),
            ('foo', 'two')],
           names=['first', 'second'])

3. 多级索引可以看成一级索引,不过每一个索引都是一个元祖

由上面输出可知,多重索引可以看成是一级索引,只不过每一个索引都是一个元祖,元祖的每一项都对应一个级别的索引

4. 创建一个包含二重索引的DataFrame

df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index)
df_to_markdown(df)

5. 通过levels获取多重索引的level信息

df.columns.levels

FrozenList([['bar', 'baz', 'foo', 'qux'], ['one', 'two']])

6. 多级索引按列获取数据的方法

列为多重索引时,直接使用列名来获取一列时,使用第一级列名,则该列下的所有二级列都或被取到

下面示例df['bar']可以选出bar下的二级列one和two

df_to_markdown(df['bar'])

7. 使用元祖作为列名,精确定义要获取的那一列数据

df[('bar','two')]

A    0.970313
B    0.100496
C    0.971974
Name: (bar, two), dtype: float64

8. 使用loc方法获取数据

loc方法中括号中接受行,列索引中的level,这个例子中行索引是一级索引A,B,C,而列索引是二级索引,所以loc中表示列的那一项使用元祖,元祖的每一项都可以使用列表选出多个列的.

df_to_markdown(df.loc[['C','B'],(['bar','baz'],['one','two'])])

9. 按Index排序DataFrame

sort_index()方法默认按行索引排序,下面代码如果不加.sort_index()输出数据C行在B行前面的,调用sort_index()后,输出时,行是按BC排列的

df_to_markdown(df.loc[['C','B'],(['qux','foo'])])

df_to_markdown(df.loc[['C','B'],(['qux','foo'])].sort_index())

sort_index()也可以给列排序,传入参数axis=1即可(默认axis=0,给行索引排序),调用sort_index(axis=1)之后,可以看到foo排在qux前面了,按字母排序的.

df_to_markdown(df.loc[['C','B'],(['qux','foo'])].sort_index(axis=1))

10. 借助pd.IndexSlice对多重索引进行切片

多重索引进行切片,有时跟单索引体验不太一致,借助pd.IndexSlice可以进行更加符合直觉的切片操作.

下面代码获取所有行,的从(‘bar’,’one’)到(‘foo’,’one’)的数据.注意使用前使用sort_index让DataFrame按行/列索引排序.

注意,二重索引,看成单级索引,每个索引看成一个包含两个元素的元祖.

idx = pd.IndexSlice
df_to_markdown(df.sort_index(axis=0).sort_index(axis=1).loc[idx[:],idx[('bar','one'):('foo','one')]])

本文固定链接: https://www.jack-yin.com/coding/3211.html | 边城网事