Pandas學習總結——2. Pandas索引

目錄

• Pandas單級索引
  • 1. loc、iloc、[]操做符
  • 2. 布爾索引
  • 3 標量索引
  • 4 區間索引
• Pandas多級索引
  • 1 多層索引的建立
  • 2 多層索引切片
  • 3 多層索引的slice對象
  • 4 索引層交換
• 索引設定

上篇文章介紹了Pandas的基礎操做，包括文件讀寫、Series和DataFrame數據結構、一些經常使用基本函數、數據排序等。
今天咱們來學習一下Pandas的索引。
（超詳細！一文搞定！）

Pandas單級索引

1. loc、iloc、[]操做符

這三類最經常使用的索引方法，其中iloc表示位置索引，loc表示標籤索引，[]也具備很大的便利性，各有特色。
總結來講就是：

• loc只能傳佈爾列表或索引列表
• iloc只能傳整數列表

1.1 loc方法

• 本質上來講，loc中能傳入的只有布爾列表和索引子集構成的列表。
• loc方法包含切片右端點。

# 單行索引
dataframe.loc[index]

# 多行索引
dataframe.loc[index1, index2]
dataframe.loc[index: ]
dataframe.loc[開始:結束:步長]

# 多列索引
dataframe[:, '列索引名']

# 函數式索引（傳入的參數是dataframe）
dataframe.loc[lambda x:x['Gender']=='M']
def f(x):
    return [1101,1103]
df.loc[f]

1.2 iloc方法

• iloc中接收的參數只能爲整數或整數列表，不能使用布爾索引
• iloc方法不包含切片右端點。

# 單行索引
df.iloc[3]

#多行索引
df.iloc[3:5]

# 單列索引
df.iloc[:,3]

# 多列索引
df.iloc[:,7::-2]

# 函數式索引
df.iloc[lambda x:[3]]

1.3 []操做符

• 在Series中的浮點[]並非進行位置比較，而是值比較，所以不要在行索引爲浮點時使用[]操做符。
• []操做符經常使用於列選擇或布爾選擇，儘可能避免行的選擇

(1) Series的[]操做符

s = pd.Series(df['Math'],index=df.index)

# 單元素索引
s[1101]
# 多行索引
s[0:4]

# 函數式索引
s[lambda x: x.index[16::-6]]

# 布爾索引
s[s>80]

(2) DataFrame的[]操做符

# 單行索引
df[1:2]

row = df.index.get_loc(1102)  # get_loc()返回索引值（所在的行號）
df[row:row+1]

# 多行操做
df[3:5]     # 切片

# 單列索引
df['School']

# 多列索引
df[['School','Math']]

# 函數式索引
df[lambda x:['Math','Physics']]

2. 布爾索引

2.1 布爾符號：'&', '|', '~'，分別表明 和and，或or，非not

df[(df['Gender']=='F')&(df['Address']=='street_2')]

df[(df['Math']>85)|(df['Address']=='street_7')].head()

df[~((df['Math']>75)|(df['Address']=='street_1'))]

2.2 isin方法

df[df['Address'].isin(['street_1','street_4'])&df['Physics'].isin(['A','A+'])]

# 字典方式
df[df[['Address','Physics']].isin({'Address':['street_1','street_4'],'Physics':['A','A+']}).all(1)]
#all與&的思路是相似的，其中的1表明按照跨列方向判斷是否全爲True

3 標量索引

at和iat方法，適用於只取一個元素的狀況。
一樣，at只能傳佈爾列表或索引列表，iat只能傳整數列表

df.at[1101,'School']
df.iat[0,0]

4 區間索引

(1) interval_range方法：

#closed參數可選'left''right''both''neither'，默認左開右閉
pd.interval_range(start=0,end=5)

# periods參數控制區間個數，freq控制步長
pd.interval_range(start=0,periods=8,freq=5)

下面用一個具體的例子——統計數學成績的區間狀況，來講明區間索引。

math_interval = pd.cut(df['Math'],bins=[0,40,60,80,100])
df_i = df.join(math_interval,rsuffix='_interval')[['Math','Math_interval']].reset_index().set_index('Math_interval')
df_i.head()

df_i.loc[90]    # 會選中該值的區間

若是想要選取某個區間，先要把分類變量轉爲區間變量，再使用overlap方法：

df_i[df_i.index.astype('interval').overlaps(pd.Interval(70, 85))].head()

Pandas多級索引

1 多層索引的建立

多層索引的建立主要有三類方法：

• from_tuple或from_arrays
• from_product
• 指定dataframe的列建立(set_index方法)
  下面分別舉例說明。

1.1 from_tuple或from_arrays

# 直接建立
tuples = [('A','a'),('A','b'),('B','a'),('B','b')]
mul_index = pd.MultiIndex.from_tuples(tuples, names=('Upper', 'Lower'))
pd.DataFrame({'Score':['perfect','good','fair','bad']},index=mul_index)

# 利用zip
L1 = list('AABB')
L2 = list('abab')
tuples = list(zip(L1,L2))
mul_index = pd.MultiIndex.from_tuples(tuples, names=('Upper', 'Lower'))
pd.DataFrame({'Score':['perfect','good','fair','bad']},index=mul_index)

# 經過array
arrays = [['A','a'],['A','b'],['B','a'],['B','b']]
mul_index = pd.MultiIndex.from_tuples(arrays, names=('Upper', 'Lower'))
pd.DataFrame({'Score':['perfect','good','fair','bad']},index=mul_index)

經過打印mul_index能夠看出，上述三種方式都是經過內部自動轉換成元組來建立的。

1.2 from_product
L1和L2兩兩相乘

L1 = ['A','B']
L2 = ['a','b']
pd.MultiIndex.from_product([L1,L2],names=('Upper', 'Lower'))

1.3 指定dataframe的列(set_index方法)

df_using_mul = df.set_index(['Class','Address'])
df_using_mul.head()

2 多層索引切片

這裏舉例都是用上一小節的df_using_mul作演示。
（1）通常切片

# 當索引不排序時，不能使用多層切片
df_using_mul.sort_index().loc['C_2','street_5']

df_using_mul.sort_index().loc[('C_2','street_6'):('C_3','street_4')]

df_using_mul.sort_index().loc[('C_2','street_7'):'C_3'].head()

（2）第一類特殊狀況：由元組構成列表

df_using_mul.sort_index().loc[[('C_2','street_7'),('C_3','street_2')]]
# 表示選出某幾個元素，精確到最內層索引

第二類特殊狀況：由列表構成元組

df_using_mul.sort_index().loc[(['C_2','C_3'],['street_4','street_7']),:]
# 選出第一層在‘C_2’和'C_3'中且第二層在'street_4'和'street_7'中的行

3 多層索引的slice對象

L1,L2 = ['A','B','C'],['a','b','c']
mul_index1 = pd.MultiIndex.from_product([L1,L2],names=('Upper', 'Lower'))
L3,L4 = ['D','E','F'],['d','e','f']
mul_index2 = pd.MultiIndex.from_product([L3,L4],names=('Big', 'Small'))
df_s = pd.DataFrame(np.random.rand(9,9),index=mul_index1,columns=mul_index2)

idx=pd.IndexSlice

索引Slice的使用很是靈活，能夠很方便地對索引進行操做。
結果以下：索引取了B後面的、D d>0.3的、縱向求和>4的部分。

df_s.loc[idx['B':,df_s['D']['d']>0.3],idx[df_s.sum()>4]]

4 索引層交換

主要有兩個方法：

• swaplevel方法：用於兩層交換
• recorder_levels方法：用於多層交換

# swaplevel方法
df_using_mul.swaplevel(i=1,j=0,axis=0).sort_index()

# recorder_levels方法
df_muls = df.set_index(['School','Class','Address'])
df_muls.reorder_levels([1,2,0],axis=0).sort_index()

#若是索引有name，能夠直接使用name
df_muls.reorder_levels(['Class','Address','School'],axis=0).sort_index()

索引設定

這部分所講的是索引設定的一些操做。
（1）index_col參數
在使用read_csv函數時，經過index_col能夠設定索引。
（2）reindex和reindex_like

• reindex是指從新排序。重要特性在於索引對齊，不少時候用於從新排序。

#bfill表示用所在索引的後一個有效行填充，ffill爲前一個有效行，nearest是指最近的
df.reindex(index=[1101,1203,1206,2402], columns=['Height','Gender','Average'], method='bfill')

• reindex_like的做用爲生成一個橫縱索引徹底與參數列表一致的DataFrame，數據使用被調用的表。若是表是單調的還可使用method參數。

df_temp = pd.DataFrame({'Weight':range(5),
                        'Height':range(5),
                        'ID':[1101,1104,1103,1106,1102]}).set_index('ID').sort_index()
df_temp.reindex_like(df[0:5][['Weight','Height']],method='bfill')
#能夠自行檢驗這裏的1105的值是不是由bfill規則填充

（3）set_index和reset_index

• 使用set_index時，將某些列做爲索引。指定參數append=True能夠維持當前索引不變
• reset_index將索引重置。默認狀態直接恢復到天然數索引

（4）rename_axis和rename

• rename_axis是針對多級索引的方法，做用是修改某一層的索引名，而不是索引標籤。
• rename方法用於修改列或者行索引標籤，而不是索引名。

df_temp.rename_axis(index={'Lower':'LowerLower'},columns={'Big':'BigBig'})

df_temp.rename(index={'A':'T'},columns={'e':'changed_e'})

（後面內容後續補充）

如什麼問題，歡迎留言交流，以爲有用的小夥伴順手點個贊吧。

你的確定是個人最大動力！