pandas层次化索引

多层次索引Series的索引是MultiIndex结构

根据最外层索引取数时，可直接通过series[outer_index_m]完成

根据内层索引取数时，需要series[:, inner_index_m]完成

更内层索引，series[:, :, , inner_index_m]完成

sreiesunstack()可将双层索引的series转为dataframe，外层索引做行索引，内层索引做列索引

多层次索引的dataframe按最外层行/列索引取数时，返回的结果是一个新的dataframe，所以，可用dataframe的按行/列取数方法依次进行

可以直接指定索引的别名（这是轴的标签，并不是索引本身的名称）

也可以通过MlutiIndex对象复用

dataframestack()方法

            可将多层 列索引 的dataframe转成新的dataframe，将最内层 列 索引转为最内层 行 索引

            若是dataframe只有一层列索引，stack方法会返回一个多层行索引的series

dataframeunstack()方法

            可将多层 行索引 的dataframe转成新的dataframe，将最内层 行 索引转为最 内 层列索引

            若是dataframe只有一层行索引，stack方法会返回一个多层行索引的series

stack方法与unstack方法一直调用都会将dataframe转为series，两种series的区别在于行索引的先后顺序

注：stack/unstack方法可以将dataframe转为series，也可以将series转为dataframe

       在多层次索引pandas对象中，这两个方法可一直调用下去，实现索引重排

上面通过stack/unstack实现了索引重排，一直调用太麻烦，还可以通过swaplevel方法直接指定两个层次的索引对调其位置

dataFrame中的值以矩阵的形式存在，在访问值时需要带上行索引或者列索引。

1、dataFrame简单的取值方法

（1）输出前3行数据

打印结果为：

（2）输出后2行数据：

打印结果为：

（3）输出第3行数据：

（4）输出第2列数据

（5）查看行名

打印输出：

（6）查看列名

打印输出：

（6）查看所有数据值

打印输出：

（7）查看行列数

打印输出：

2、复杂的dataFrame取值 *** 作（对dataFrame中的数据进行筛选）

创建一个dataFrame例子：

打印结果：

（1）筛选某列中大于某一值得数据：

打印结果为：

（2）筛选第一列大于1且第二列大于30的数据

打印结果为：

（3）筛选第一列大于1或第二列大于30的数据

打印结果为：

3、对dataFrame进行函数 *** 作

（1）转置

输出结果：

4、删除dataFrame中的某行

（1）删除索引为ac的2行

（2）删除列名为1,3的2列

5、遍历dataframe

我们先说一下DataFrame是什么：

1、DataFrame是一种数据框结构,相当于是一个矩阵形式，单元格可以存放数值、字符串等，这和excel表很像；

2、DataFrame是有 行（index）和 列（columns）可以设置的；

有了示例，我们就能明白创建时需要传入数据，指定index（行索引名）和columns（列名）；

在我们需要将单个元素的字典直接转为DataFrame时，程序会报错，需要适当做些转换，指定行索引或者列索引才行；

在增加列的时候我们用到了一个索引loc，后面我们再详细对loc进行说明，此处先知道可以这样使用。

文本字符串数据处理之前，一定要先转为字符（str）再进行处理

loc 和 iloc如果容易记混，你就取巧记忆，index是索引

所以iloc则是依据位置索引进行取数，没有i的则是按照名称进行提取数据

原谅我很懒，比较喜欢这样框架式的笔记，所以文字就会比较少(#^^#)！！！

先来创建一个Series和一个DataFrame

根据指定的key(一个行索引或列索引)来获取数据，key不存在则返回default值，类似于python的字典。

Seriesget 时，key为行索引，返回一个标量或default值

DataFrameget 时，key为列索引，返回一列数据或default值

根据标签或布尔数组定位数据

功能和使用方法与 loc 一样，请看下面的 loc 介绍

根据数字(坐标系)或布尔数组定位位置

功能和使用方法与 iloc 一样，请看下面的 iloc 介绍

根据标签或布尔数组定位数据

loc[index[, column]]

index可以是单个行标签、也可以是包含多个行标签的列表、行标签的切片、bool数组

column可以是单个列标签、也可以是包含多个列标签的列表、列标签的切片、bool数组

注意⚠️：loc里的切片和python的切片不一样，python里是左闭右开(即不包含结束值)，但是loc是左闭右闭。

注意⚠️：但是在iloc里的切片就和python的切片一样，即符合左闭右开。

根据数字(坐标系)或布尔数组定位位置，使用方法和loc类似，只是这里用的是坐标

DataFrame和iloc类似，只是使用的是坐标轴获取数据。

注意⚠️：loc里的切片和python的切片不一样，python里是左闭右开(即不包含结束值)，但是loc是左闭右闭。

注意⚠️：但是在iloc里的切片就和python的切片一样，即符合左闭右开。

返回一个迭代器

如果是Series，返回的是包含values的迭代器；

如果是DataFrame，返回的是包含列名的迭代器

返回一个可迭代对象，这个对象里的元素内容为一个元组(索引, 值)

和python字典的items()方法有些像

和 items() 功能一样

返回对象的索引

如果是Series，则 Serieskeys() 和 Seriesindex 返回结果一样，都返回Series的索引；

如果是DataFrame，则 dfkeys() 返回的是列索引， dfindex 返回的是行索引。

根据索引删除元素，返回删除的数值。

与python里listpop()相似。

注意⚠️：此方法会改变原Series的数据，如果是DataFrame，则item需要指定列名

目前看来只对包含一个元素的Series管用 返回这个元素的值

注意⚠️：DataFrame没有item()方法

选择MultiIndex特定级别的数据，即多层次索引时筛选数据

参数介绍：

定义：数据帧 (DataFrame) 是二维数据结构，即数据以行和列的表格方式排列。

特点：

1、 潜在的列是不同的类型

2、 大小可变

3、 标记轴是行和列 (行、列索引)

4、 可以对行和列进行算数运算

1、使用列表创建[]

2、使用字典创建{}

3、 使用数组创建 column行索引，index列索引

1、sheet_name 表格的小表名

2、 把哪一列当作行索引 index_col

3、 set_index("列名") 更改某一列为行索引

4、 reset_index(drop=True) 重置行索引，并把行索引转换为数据列

drop=True 不想要学号，即把行索引数据删除

1、读取csv文件

2、 从第I行开始作为列索引

header=None或数字

NONE 说明文件里面没有设置列索引，不把第一行当索引了

0,1 行当索引。默认是第0行

3、 加列索引

4、编码 、解析引擎

encoding 编码 默认utf-8 Windows新建文件,gb2312,gbk

engine 解析引擎 c比较快 python支撑更多方法

用pandas中的DataFrame时选取行或列：

import numpy as npimport pandas as pdfrom pandas import Sereis, DataFrameser = Series(nparange(3))data = DataFrame(nparange(16)reshape(4,4),index=list('abcd'),columns=list('wxyz'))data['w'] #选择表格中的'w'列，使用类字典属性,返回的是Series类型dataw #选择表格中的'w'列，使用点属性,返回的是Series类型data[['w']] #选择表格中的'w'列，返回的是DataFrame类型data[['w','z']] #选择表格中的'w'、'z'列data[0:2] #返回第1行到第2行的所有行，前闭后开，包括前不包括后data[1:2] #返回第2行，从0计，返回的是单行，通过有前后值的索引形式，

#如果采用data[1]则报错dataix[1:2] #返回第2行的第三种方法，返回的是DataFrame，跟data[1:2]同data['a':'b'] #利用index值进行切片，返回的是前闭后闭的DataFrame,

#即末端是包含的

datairow(0) #取data的第一行dataicol(0) #取data的第一列datahead() #返回data的前几行数据，默认为前五行，需要前十行则datahead(10)datatail() #返回data的后几行数据，默认为后五行，需要后十行则datatail(10)seriget_value(0) #选取ser序列中的第一个seriget_value(-1) #选取ser序列中的最后一个，这种轴索引包含索引器的series不能采用ser[-1]去获取最后一个，这会引起歧义。datailoc[-1] #选取DataFrame最后一行，返回的是Seriesdatailoc[-1:] #选取DataFrame最后一行，返回的是DataFramedataloc['a',['w','x']] #返回‘a’行'w'、'x'列，这种用于选取行索引列索引已知dataiat[1,1] #选取第二行第二列，用于已知行、列位置的选取。123456789101112131415161718192021222324252627282930313233343536373839404142

下面是简单的例子使用验证：

import pandas as pdfrom pandas import Series, DataFrame

import numpy as np

data = DataFrame(nparange(15)reshape(3,5),index=['one','two','three'],columns=['a','b','c','d','e'])

data

Out[7]:

a b c d eone 0 1 2 3 4two 5 6 7 8 9three 10 11 12 13 14#对列的 *** 作方法有如下几种dataicol(0) #选取第一列E:\Anaconda2\lib\site-packages\spyder\utils\ipython\start_kernelpy:1: FutureWarning: icol(i) is deprecated Please use iloc[:,i] # -- coding: utf-8 --Out[35]:

one 0two 5three 10Name: a, dtype: int32

data['a']

Out[8]:

one 0two 5three 10Name: a, dtype: int32

dataaOut[9]:

one 0two 5three 10Name: a, dtype: int32

data[['a']]

Out[10]:

aone 0two 5three 10dataix[:,[0,1,2]] #不知道列名只知道列的位置时Out[13]:

a b cone 0 1 2two 5 6 7three 10 11 12dataix[1,[0]] #选择第2行第1列的值Out[14]:

a 5Name: two, dtype: int32

dataix[[1,2],[0]] #选择第2,3行第1列的值Out[15]:

atwo 5three 10dataix[1:3,[0,2]] #选择第2-4行第1、3列的值Out[17]:

a ctwo 5 7three 10 12dataix[1:2,2:4] #选择第2-3行，3-5（不包括5）列的值Out[29]:

c dtwo 7 8dataix[dataa>5,3]

Out[30]:

three 13Name: d, dtype: int32

dataix[datab>6,3:4] #选择'b'列中大于6所在的行中的第4列，有点拗口Out[31]:

dthree 13dataix[dataa>5,2:4] #选择'a'列中大于5所在的行中的第3-5（不包括5）列Out[32]:

c dthree 12 13dataix[dataa>5,[2,2,2]] #选择'a'列中大于5所在的行中的第2列并重复3次Out[33]:

c c cthree 12 12 12#还可以行数或列数跟行名列名混着用dataix[1:3,['a','e']]

Out[24]:

a etwo 5 9three 10 14dataix['one':'two',[2,1]]

Out[25]:

c bone 2 1two 7 6dataix[['one','three'],[2,2]]

Out[26]:

c cone 2 2three 12 12dataix['one':'three',['a','c']]

Out[27]:

a cone 0 2two 5 7three 10 12dataix[['one','one'],['a','e','d','d','d']]

Out[28]:

a e d d done 0 4 3 3 3one 0 4 3 3 3#对行的 *** 作有如下几种：data[1:2] #（不知道列索引时）选择第2行，不能用data[1]，可以用dataix[1]Out[18]:

a b c d etwo 5 6 7 8 9datairow(1) #选取第二行Out[36]:

a 5b 6c 7d 8e 9Name: two, dtype: int32

dataix[1] #选择第2行Out[20]:

a 5b 6c 7d 8e 9Name: two, dtype: int32

data['one':'two'] #当用已知的行索引时为前闭后闭区间，这点与切片稍有不同。Out[22]:

a b c d eone 0 1 2 3 4two 5 6 7 8 9dataix[1:3] #选择第2到4行，不包括第4行，即前闭后开区间。Out[23]:

a b c d etwo 5 6 7 8 9three 10 11 12 13 14dataix[-1:] #取DataFrame中最后一行，返回的是DataFrame类型,注意这种取法是有使用条件的，只有当行索引不是数字索引时才可以使用，否则可以选用`data[-1:]`--返回DataFrame类型或`datairow(-1)`--返回Series类型Out[11]:

a b c d ethree 10 11 12 13 14data[-1:] #跟上面一样，取DataFrame中最后一行，返回的是DataFrame类型Out[12]:

a b c d ethree 10 11 12 13 14dataix[-1] #取DataFrame中最后一行，返回的是Series类型，这个一样，行索引不能是数字时才可以使用Out[13]:

a 10b 11c 12d 13e 14Name: three, dtype: int32

datatail(1) #返回DataFrame中的最后一行datahead(1) #返回DataFrame中的第一行123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186

最近处理数据时发现当pdread_csv()数据时有时候会有读取到未命名的列，且该列也用不到，一般是索引列被换掉后导致的，有强迫症的看着难受，这时候dataframedrop([columns,])是没法处理的，怎么办呢，

最笨的方法是直接给列索引重命名：

data6

Unnamed: 0 high symbol timedate 2016-11-01 0 33174 IF1611 18:10:4482016-11-01 1 33174 IF1611 06:01:0452016-11-01 2 33174 IF1611 07:46:2552016-11-01 3 33184 IF1611 09:30:0402016-11-01 4 33218 IF1611 09:31:040data6columns = list('abcd')

data6 a b c ddate 2016-11-01 0 33174 IF1611 18:10:4482016-11-01 1 33174 IF1611 06:01:0452016-11-01 2 33174 IF1611 07:46:2552016-11-01 3 33184 IF1611 09:30:0402016-11-01 4 33218 IF1611 09:31:04012345678910111213141516171819202122

重新命名后就可以用dataframedrop([columns])来删除了，当然不用我这样全部给列名替换掉了，可以只是改变未命名的那个列，然后删除。不过这个用起来总是觉得有点low，有没有更好的方法呢，有，可以不去删除，直接：

data7 = data6ix[:,1:]1

这样既不改变原有数据，也达到了删除神烦列，当然我这里时第0列删除，可以根据实际选择所在的列删除之，至于这个原理，可以看下前面的对列的 *** 作。

iloc 是一种 Pandas 中针对 DataFrame 进行行列索引的方法，可以使用整数位置进行定位。格式为 Ailoc[row, col]，其中 row 表示行号，col 表示列号。

Ailoc[0,0][8:10] 的意思是，在 DataFrame A 中，定位第 1 行、第 1 列的单元格，然后取该单元格内容的第 9 ~ 10 个字符（Python 中字符串计数从 0 开始）。

具体来说，假设 A 是一个 DataFrame，其中第 1 行第 1 列的单元格内容为字符串 "Hello World"，那么 Ailoc[0, 0][8:10] 的结果将会是 "rl"。

这种写法常见于需要对 DataFrame 中某一列或某几列的每一个元素进行字符串切片或提取的情况，例如在处理文本数据时需要提取关键字或特征值等。需要注意，若 iloc 定位的单元格不是字符串类型，则需要使用其他类型的索引方式进行提取 *** 作。

以上就是关于pandas层次化索引全部的内容，包括:pandas层次化索引、pandas中dataFrame的取值和计算 *** 作、Python—padas(DataFrame)的常用 *** 作等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！