您当前的位置：首页 > IT编程 > python
\| C语言 \| Java \| VB \| VC \| python \| Android \| TensorFlow \| C++ \| oracle \| 学术与代码 \| cnn卷积神经网络 \| gnn \| 图像修复 \| Keras \| 数据集 \| Neo4j \| 自然语言处理 \| 深度学习 \| 医学CAD \| 医学影像 \| 超参数 \| pointnet \| pytorch \| 异常检测 \| Transformers \| 情感分类 \| 知识图谱 \|

自学教程：pandas多层索引的创建和取值以及排序的实现

51自学网 2021-10-30 22:51:59

python

这篇教程pandas多层索引的创建和取值以及排序的实现写得很实用，希望能帮到您。

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 pds = 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 npdata = 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 pdimport numpy as npdata = 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
张三	期末	33	63	73
李四	期中	30	13	68
李四	期末	14	18	48
王五	期中	34	66	26
王五	期末	89	10	35

简化创建-from_product()

import pandas as pdimport numpy as npdata = 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
张三	期末	39	53	36
李四	期中	33	60	83
李四	期末	90	55	3
王五	期中	37	45	66
王五	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 pds = 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。

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 pdimport 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
张三	期末	74	38	85
李四	期中	7	28	16
李四	期末	9	25	0
王五	期中	13	24	8
王五	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 pddata = 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51zixue.net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51zixue.net！

Python 并列和或者条件的使用说明
Python jieba 中文分词与词频统计的操作