时间:2021-05-22
pandas提供了set_index方法可以将DataFrame的列(多列)变成行索引,通过reset_index方法可以将层次化索引的级别会被转移到列里面。
1、DataFrame的set_index方法
data = pd.DataFrame(np.arange(1,10).reshape(3,3),index=["a","b","c"],columns=["A","B","C"]) print(data) ''' A B C a 1 2 3 b 4 5 6 c 7 8 9 ''' #将列索引为B的列变成data的行索引 print(data.set_index("B")) ''' A C B 2 1 3 5 4 6 8 7 9 ''' #获取行索引 print(data.set_index("B").index) #Int64Index([2, 5, 8], dtype='int64', name='B') #获取列索引 print(data.set_index("B").columns) #Index(['A', 'C'], dtype='object') #将列索引为A和C的列变成行索引,层次化索引 print(data.set_index(["A","C"])) ''' B A C 1 3 2 4 6 5 7 9 8 '''2、DataFrame的reset_index方法
data = pd.DataFrame(np.arange(1,10).reshape(3,3),index=["a","b","c"],columns=["A","B","C"]) print(data) ''' A B C a 1 2 3 b 4 5 6 c 7 8 9 ''' print(data.set_index(["C"])) ''' A B C 3 1 2 6 4 5 9 7 8 ''' #相对于data来说行索引从原来的a、b、c变成了0、1、2 #在使用set_index方法的时候行索引就已经被修改了 print(data.set_index(["C"]).reset_index()) ''' C A B 0 3 1 2 1 6 4 5 2 9 7 8 ''' print(data.index) #Index(['a', 'b', 'c'], dtype='object') print(data.set_index(["C"]).reset_index().index) #RangeIndex(start=0, stop=3, step=1) print(data.set_index(["C"]).reset_index().columns) #Index(['C', 'A', 'B'], dtype='object')以上这篇pandas将DataFrame的列变成行索引的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
对于pandas的dataframe,绘制直方图方法如下://pdf是pandas的dataframe,delta_time是其中一列//xlim是x轴的范围,
importnumpyasnpimportpandasaspdfrompandasimportSeries,DataFrame一、重塑stack:将数据的列索引
本文主要演示pandas中DataFrame对象corr()方法的用法,该方法用来计算DataFrame对象中所有列之间的相关系数(包括pearson相关系数、
用pandas中的DataFrame时选取行或列:importnumpyasnpimportpandasaspdfrompandasimportSereis,D
用pandas中的DataFrame时选取行或列:importnumpyasnpimportpandasaspdfrompandasimportSereis,D