时间:2021-05-23
# 背景介绍 通常我们不会在Pandas中主动设置多层索引,但是如果一个字段做多个不同的聚合运算, 比如sum, max这样形成的Column Level是有层次的,这样阅读非常方便,但是对编程定位比较麻烦. # 数据准备
import pandas as pdimport numpy as npdf = pd.DataFrame(np.arange(0, 14).reshape(7,2),columns =['a','b'] )df.a = df.a %3df['who'] = 'Bob'df.loc[df.a%4==0,'who'] = 'Alice'a b who 0 0 1 Alice 1 2 3 Bob 2 1 5 Bob 3 0 7 Alice 4 2 9 Bob 5 1 11 Bob 6 0 13 Alice
# 对一个字段同时用3个聚合函数
gp1 = df.groupby('who').agg({'b':[sum,np.max, np.min], 'a':sum})gp1 b a sum amax amin sum who Alice 8.0 7.0 1.0 0 Bob 28.0 11.0 3.0 6索引是有层次的,虚要通过下面这种方式,个人感觉不是很方便.下面介绍2种方法来解决这个问题
#有层次的索引访问方法gp1.loc['Bob', ('b', 'sum')]28.0# 直接去除一层
gp2 = gp1.copy(deep=True)gp2.columns = gp1.columns.droplevel(0)gp2sum amax amin sum who Alice 8.0 7.0 1.0 0 Bob 28.0 11.0 3.0 6
# 把2层合并到一层
gp3 = gp1.copy(deep=True)gp3.columns = ["_".join(x) for x in gp3.columns.ravel()]gp3b_sum b_amax b_amin a_sum who Alice 8.0 7.0 1.0 0 Bob 28.0 11.0 3.0 6
以上这篇在Pandas中给多层索引降级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。
在最新版的pandas中(不知道之前的版本有没有这个问题),当我们对具有多层次索引的对象做切片或者通过df[bool_list]的方式索引的时候,得到的新的对象
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importpa
python版本:3.6pandas版本:0.23.4行索引索引行有三种方法,分别是locilociximportpandasaspdimportnumpyas
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
在multiIndex中选定指定索引的行我们在用pandas类似groupby来使用多重index时,有时想要对多个level中的某个index对应的行进行操作