Pandas excel 双标题多级索引层次化索引 MultiIndex

太过爱你忘了你带给我的痛 2023-06-06 03:55 22阅读 0赞

1 import pandas as pd
    2 import numpy as np

# 多级索引 #

多级索引（也称层次化索引）是pandas的重要功能，可以在Series、DataFrame对象上拥有2个以及2个以上的索引。  
实质上，单级索引对应Index对象,多级索引对应MultiIndex对象。

### 一、Series对象的多级索引 ###

###  ###

*  多级索引Series对象的创建

se1=pd.Series(np.random.randn(4),index=[list("aabb"),[1,2,1,2]])
    se1

代码结果：

a  1    0.945676
       2    1.240454
    b  1    1.021960
       2    0.363063
    dtype: float64

*  子集的选取

se1['a']

代码结果：

1    0.945676
    2    1.240454
    dtype: float64

se1['a':'b']

代码结果：

a  1    0.945676
       2    1.240454
    b  1    1.021960
       2    0.363063
    dtype: float64

甚至能内层选取

se1[:,1]

代码结果：

a    0.945676
    b    1.021960
    dtype: float64

### 二、DataFrame对象的多级索引 ###

*  创建

df1=pd.DataFrame(np.arange(12).reshape(4,3),index=[list("AABB"),[1,2,1,2]],columns=[list("XXY"),[10,11,10]])
    df1

代码结果：

<table style="border-color:#080112;border-width:4px;border-style:solid;"> 
 <tbody> 
  <tr> 
   <td style="text-align:center;">&nbsp;</td> 
   <td style="text-align:center;">&nbsp;</td> 
   <td style="text-align:center;" colspan="2"><strong>X&nbsp;</strong></td> 
   <td style="text-align:center;"><strong>Y</strong></td> 
  </tr> 
  <tr> 
   <td style="text-align:center;">&nbsp;</td> 
   <td style="text-align:center;">&nbsp;</td> 
   <td style="text-align:center;"><strong>10&nbsp;</strong></td> 
   <td style="text-align:center;"><strong><em>11</em></strong></td> 
   <td style="text-align:center;"><strong><em>10</em></strong></td> 
  </tr> 
  <tr> 
   <td style="text-align:center;"><strong><span style="color:#000000;">A</span></strong></td> 
   <td style="text-align:center;"><strong><span style="color:#000000;">1</span></strong></td> 
   <td style="text-align:center;"><strong>0</strong></td> 
   <td style="text-align:center;"><strong>1</strong></td> 
   <td style="text-align:center;"><strong>2</strong></td> 
  </tr> 
  <tr> 
   <td style="text-align:center;"><strong><span style="color:#000000;">2</span></strong></td> 
   <td style="text-align:center;"><strong>3</strong></td> 
   <td style="text-align:center;"><strong>4</strong></td> 
   <td style="text-align:center;"><strong>5</strong></td> 
  </tr> 
  <tr> 
   <td style="text-align:center;"><strong><span style="color:#000000;">B</span></strong></td> 
   <td style="text-align:center;"><strong><span style="color:#000000;">1</span></strong></td> 
   <td style="text-align:center;"><strong>6</strong></td> 
   <td style="text-align:center;"><strong>7</strong></td> 
   <td style="text-align:center;"><strong>8</strong></td> 
  </tr> 
  <tr> 
   <td style="text-align:center;"><strong><span style="color:#000000;">2</span></strong></td> 
   <td style="text-align:center;"><strong>9</strong></td> 
   <td style="text-align:center;"><strong>10</strong></td> 
   <td style="text-align:center;"><strong>11</strong></td> 
  </tr> 
 </tbody> 
</table>

*每一层都可以赋名*

df1.columns.names=['XY','sum']
    df1.index.names=['AB','num']
    df1

代码结果：

<table style="width:648px;"> 
 <tbody> 
  <tr> 
   <td>&nbsp;</td> 
   <td>XY</td> 
   <td colspan="2">X&nbsp;</td> 
   <td>Y</td> 
  </tr> 
  <tr> 
   <td>&nbsp;</td> 
   <td>sum&nbsp;</td> 
   <td>10</td> 
   <td>11</td> 
   <td>10</td> 
  </tr> 
  <tr> 
   <td>AB</td> 
   <td>num&nbsp;</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
  </tr> 
  <tr> 
   <td>A</td> 
   <td>1</td> 
   <td>0</td> 
   <td>1</td> 
   <td>2</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>3</td> 
   <td>4</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>B</td> 
   <td>1</td> 
   <td>6</td> 
   <td>7</td> 
   <td>8</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td>9</td> 
   <td>10</td> 
   <td>11</td> 
  </tr> 
 </tbody> 
</table>

*· 可以创建MultiIndex对象再作为索引*

df1.index=pd.MultiIndex.from_arrays([list("AABB"),[3,4,3,4]],names=["AB","num"])
    df1

代码结果：

<table style="width:648px;"> 
 <tbody> 
  <tr> 
   <td>&nbsp;</td> 
   <td>XY</td> 
   <td colspan="2">X&nbsp;</td> 
   <td>Y</td> 
  </tr> 
  <tr> 
   <td>&nbsp;</td> 
   <td>sum&nbsp;</td> 
   <td>10</td> 
   <td>11</td> 
   <td>10</td> 
  </tr> 
  <tr> 
   <td>AB</td> 
   <td>num&nbsp;</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
  </tr> 
  <tr> 
   <td>A</td> 
   <td>3</td> 
   <td>0</td> 
   <td>1</td> 
   <td>2</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>3</td> 
   <td>4</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>B</td> 
   <td>3</td> 
   <td>6</td> 
   <td>7</td> 
   <td>8</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>9</td> 
   <td>10</td> 
   <td>11</td> 
  </tr> 
 </tbody> 
</table>

*可以对各级索引进行互换*

df1.swaplevel('AB','num')

代码结果：

<table style="width:649px;"> 
 <tbody> 
  <tr> 
   <td>&nbsp;</td> 
   <td>XY</td> 
   <td colspan="2">X&nbsp;</td> 
   <td>Y</td> 
  </tr> 
  <tr> 
   <td>&nbsp;</td> 
   <td>sum&nbsp;</td> 
   <td>10</td> 
   <td>11</td> 
   <td>10</td> 
  </tr> 
  <tr> 
   <td>num&nbsp;</td> 
   <td>AB</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
   <td>&nbsp;</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>A</td> 
   <td>0</td> 
   <td>1</td> 
   <td>2</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>A</td> 
   <td>3</td> 
   <td>4</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td>B</td> 
   <td>6</td> 
   <td>7</td> 
   <td>8</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td>B</td> 
   <td>9</td> 
   <td>10</td> 
   <td>11</td> 
  </tr> 
 </tbody> 
</table>

发表评论取消回复

表情：

评论列表（有 0 条评论，22人围观）

还没有评论，来说两句吧...

相关阅读

相关学习pandas-索引操作

import pandas as pd df1 = pd.DataFrame( { 'var1':1.0, '

客官°小女子只卖身不卖艺/ 2023年06月07日 05:57/ 0 赞/ 15 阅读

相关 Pandas excel 双标题多级索引层次化索引 MultiIndex

1 import pandas as pd 2 import numpy as np 多级索引多级索引（也称层次化索引）是pandas的重要功能，可以

太过爱你忘了你带给我的痛/ 2023年06月06日 03:55/ 0 赞/ 23 阅读

相关 pandas 索引去重_Pandas入门 (一)

一、什么是Pandas? 一个开源的Python类库:用于数据分析、数据处理、数据可视化 ●高性能 ●容易使用的数据结构 ●容易使用的数据分析工具很方便和其它类库一

我会带着你远行/ 2023年01月09日 03:40/ 0 赞/ 165 阅读

相关 pandas层次性索引MultiIndex变化操作

pandas层次性索引MultiIndex变化操作需求背景问题求解手动反爬虫： [原博地址][Link 1] 知识梳理不易，请尊重劳动

我不是女神ヾ/ 2023年01月01日 15:59/ 0 赞/ 135 阅读

相关 pandas 多重索引 multiIndex

import pandas as pd df = pd.DataFrame({'class':['A','A','A','B','B','B','C','C']

àì夳堔傛蜴生んèń/ 2022年12月13日 14:28/ 0 赞/ 138 阅读

相关 pandas分组统计 - groupby功能多列聚合分组和 MultiIndex取值 DataFrame双重索引取值

数据分组分组统计 - groupby功能 ① 根据某些条件将数据拆分成组 ② 对每个组独立应用函数 ③ 将结果合并到一个数据结构中 Dataframe在行

忘是亡心i/ 2022年11月04日 12:24/ 0 赞/ 202 阅读

相关 pandas 索引设置

用下面数据作为测试，数据是5月份6部电影的票房 2010-05-09,唐山大地震,51315.0 2010-05-09,婚前试爱,5659.0

今天药忘吃喽~/ 2022年05月30日 03:16/ 0 赞/ 219 阅读

相关数据分析与AI(四)pandas处理丢失的数据/傅里叶公式实验/pandas层次化索引检索

处理丢失的数据 mysql中有没有丢失的数据? 在mysql中null就是列中的丢失数据在pandas中丢失数据是NaN 导入需要用的模块

绝地灬酷狼/ 2022年05月22日 04:25/ 0 赞/ 210 阅读

相关 Python pandas，index索引，修改索引，复合索引，将某列设为索引

demo.py（index索引，修改索引，将DataFrame某列设为索引）： coding=utf-8 import numpy as np

矫情吗；*/ 2022年03月17日 03:08/ 0 赞/ 495 阅读

相关 Pandas之索引对象

一、Index对象 ![在这里插入图片描述][20190509185241942.png] ![在这里插入图片描述][watermark_type_ZmFuZ3poZ

刺骨的言语ヽ痛彻心扉/ 2022年02月03日 15:34/ 0 赞/ 232 阅读