pandas多层索引的创建和取值以及排序的实现

2023-07-04 12:58:06 158

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

importpandasaspd
s=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

importnumpyasnp

data=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

importpandasaspd
importnumpyasnp

data=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

张三李四王五

	Java	Web	Python
期中	68	4	90
期末	33	63	73
期中	30	13	68
期末	14	18	48
期中	34	66	26
期末	89	10	35

简化创建-from_product()

importpandasaspd
importnumpyasnp

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'])
#print(df)
df

张三李四王五

	Java	Web	Python
期中	51	78	47
期末	39	53	36
期中	33	60	83
期末	90	55	3
期中	37	45	66
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

期中期末

	Java	Web	Python
张三	51	78	47
李四	39	53	36
王五	33	60	83
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

importpandasaspd
s=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

importpandasaspd
importnumpyasnp
#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

张三李四王五

	Java	Web	Python
期中	3	40	52
期末	74	38	85
期中	7	28	16
期末	9	25	0
期中	13	24	8
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

importpandasaspd
data=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

b c a

		Java	Web
2	56	82	81
1	84	16	55
3	35	25	86
2	76	1	76
1	36	28	94
3	79	70	97
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()

a b c

	Java	Web	Python
1	18	60	74
2	66	87	27
3	96	18	64
1	72	58	52
2	22	31	22
3	31	12	83
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)

c b a

	Java	Web	Python
3	79	70	97
2	76	1	76
1	36	28	94
3	35	25	86
2	56	82	81
1	84	16	55
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毛票票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毛票票！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

		Java	Web
2	56	82	81
1	84	16	55
3	35	25	86
2	76	1	76
1	36	28	94
3	79	70	97
2	25	17	30
1	38	38	78
3	41	75	90

	Java	Web	Python
1	18	60	74
2	66	87	27
3	96	18	64
1	72	58	52
2	22	31	22
3	31	12	83
1	6	54	96
2	9	47	18
3	31	63	4

	Java	Web	Python
3	79	70	97
2	76	1	76
1	36	28	94
3	35	25	86
2	56	82	81
1	84	16	55
3	41	75	90
2	25	17	30
1	38	38	78

	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

		Java	Web
2	56	82	81
1	84	16	55
3	35	25	86
2	76	1	76
1	36	28	94
3	79	70	97
2	25	17	30
1	38	38	78
3	41	75	90

	Java	Web	Python
1	18	60	74
2	66	87	27
3	96	18	64
1	72	58	52
2	22	31	22
3	31	12	83
1	6	54	96
2	9	47	18
3	31	63	4

	Java	Web	Python
3	79	70	97
2	76	1	76
1	36	28	94
3	35	25	86
2	56	82	81
1	84	16	55
3	41	75	90
2	25	17	30
1	38	38	78

	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

pandas多层索引的创建和取值以及排序的实现

多层索引的创建

利用numpy中的随机数

Dataframe多层索引创建

简化创建-from_product()

多层索引的取值

获取多层索引Series中的数据

使用loc

多层索引DataFrame的取值

多层索引的排序

排序

热门推荐

随机推荐

		Java	Web
2	56	82	81
1	84	16	55
3	35	25	86
2	76	1	76
1	36	28	94
3	79	70	97
2	25	17	30
1	38	38	78
3	41	75	90

	Java	Web	Python
1	18	60	74
2	66	87	27
3	96	18	64
1	72	58	52
2	22	31	22
3	31	12	83
1	6	54	96
2	9	47	18
3	31	63	4

	Java	Web	Python
3	79	70	97
2	76	1	76
1	36	28	94
3	35	25	86
2	56	82	81
1	84	16	55
3	41	75	90
2	25	17	30
1	38	38	78

	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