介绍 Pandas 实战中一些高端玩法

什么是介绍多重/分层索引

多重/分层索引(MultiIndex)可以理解为堆叠的一种索引结构，它的实战存在为一些相当复杂的数据分析和操作打开了大门，尤其是中高在处理高纬度数据的时候就显得十分地便利，我们首先来创建带有多重索引的端玩DataFrame数据集。

多重索引的介绍创建

首先在“列”方向上创建多重索引，即我们在调用columns参数时传递两个或者更多的实战数组，代码如下：

df1 = pd.DataFrame(np.random.randint(0,中高 100, size=(2, 4)),

index= [ladies, gentlemen],

columns=[[English, English, French, French],

[like, dislike, like, dislike]])

output

那么同理我们想要在“行”方向上存在多重索引，则是端玩在调用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,介绍 100, size=(4, 2)),

index= [[English,, Chinese,],

[like,dislike,like,dislike]],

columns=[ladies, gentlemen])

output

除此之外，还有其他几种常见的实战方式来创建多重索引，分别是中高:

pd.MultiIndex.from_arrays pd.MultiIndex.from_frame pd.MultiIndex.from_tuples pd.MultiIndex.from_product

小编这里就挑其中的一种来为大家演示如何来创建多重索引，代码如下:

df2 = pd.DataFrame(np.random.randint(0,端玩 100, size=(4, 2)),

columns= [ladies, gentlemen],

index=pd.MultiIndex.from_product([[English,French],

[like,dislike]]))

output

获取多重索引的值

接下来我们来看一下怎么获取带有多重索引的数据集当中的数据，使用到的介绍数据集是英国三大主要城市伦敦、剑桥和牛津在2019年全天的实战气候数据，高防服务器如下所示:

import pandas as pd

from pandas import IndexSlice as idx

df = pd.read_csv(dataset.csv,中高

index_col=[0,1],

header=[0,1]

)

df = df.sort_index()

df

output

在“行”索引上，我们可以看到是“城市”以及“日期”这两个维度，而在“列”索引上，我们看到的是则是“不同时间段”以及一些“气温”等指标，首先来看一下“列”方向多重索引的层级，代码如下:

df.columns.levels

output

FrozenList([[Day, Night], [Max Temperature, Weather, Wind]])

我们想要获取第一层级上面的索引值，代码如下:

df.columns.get_level_values(0)

output

Index([Day, Day, Day, Night, Night, Night], dtype=object)

那么同理，第二层级的索引值，只是把当中的0替换成1即可，代码如下:

df.columns.get_level_values(1)

output

Index([Weather, Wind, Max Temperature, Weather, Wind,

Max Temperature],

dtype=object)

那么在“行”方向上多重索引值的获取也是一样的道理，这里就不多加以赘述了。

数据的获取

那么涉及到数据的获取，方式也有很多种，最常用的就是loc()方法以及iloc()方法了，例如:

df.loc[London , Day]

## 或者是

df.loc[(London, ) , (Day, )]

output

通过调用loc()方法来获取第一层级上的数据，云服务器提供商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,)]

output

或者是所有“列”的数据，代码如下:

df.loc[London , :]

## 或者是

df.loc[(London, ) , :]

output

当然我们也可以这么来做，在行方向上指定第二层级上的索引，代码如下:

df.loc[London , 2019-07-02]

## 或者是

df.loc[(London , 2019-07-02)]

output

多重索引的数据获取

假设我们想要获取剑桥在2019年7月3日白天的数据，代码如下:

df.loc[Cambridge, Day].loc[2019-07-03]

output

在第一次调用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]

我们需要传入元祖的形式的索引值来进行数据的提取。要是我们不只是想要获取单行或者是单列的数据，可以这么来操作:

df.loc[

(Cambridge , [2019-07-01,2019-07-02] ) ,

Day

]

output

或者是获取多列的源码下载数据，代码如下:

df.loc[

Cambridge ,

(Day, [Weather, Wind])

]

output

我们要是想要获取剑桥在2019年7月1日到3日，连续3天的白天气候数据，代码如下:

df.loc[

(Cambridge, 2019-07-01: 2019-07-03),

Day

]

output

这么来写是会报语法错误的，正确的方法应该是这么来做:

df.loc[

(Cambridge,2019-07-01):(London,2019-07-03),

Day

]

xs()方法的调用

小编另外推荐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)

output

还能够接受多个维度的索引，例如想要获取伦敦在2019年7月4日的全天数据，代码如下:

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

output

另外还有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)

output

当中的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)

output

筛选出来的是三个主要城市2019年白天的气候数据。

IndexSlice()方法的调用

同时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

]

output

我们同时可以指定行以及列方向上的索引来进行数据的提取，代码如下:

rows = idx[: , 2019-07-02]

cols = idx[Day , [Max Temperature,Weather]]

df.loc[rows, cols]

output