创建多重索引

In [16]: df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index)In [17]: df
Out[17]:
first        bar                 baz                 foo                 qux  \
second       one       two       one       two       one       two       one
A       0.895717  0.805244 -1.206412  2.565646  1.431256  1.340309 -1.170299
B       0.410835  0.813850  0.132003 -0.827317 -0.076467 -1.187678  1.130127
C      -1.413681  1.607920  1.024180  0.569605  0.875906 -2.211372  0.974466   first
second       two
A      -0.226169
B      -1.436737
C      -2.006747

获得索引信息

get_level_values

In [23]: index.get_level_values(0)
Out[23]: Index(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'], dtype='object', name='first')In [24]: index.get_level_values('second')
Out[24]: Index(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'], dtype='object', name='second')

基本索引

In [25]: df['bar']
Out[25]:
second       one       two
A       0.895717  0.805244
B       0.410835  0.813850
C      -1.413681  1.607920In [26]: df['bar', 'one']
Out[26]:
A    0.895717
B    0.410835
C   -1.413681
Name: (bar, one), dtype: float64In [27]: df['bar']['one']
Out[27]:
A    0.895717
B    0.410835
C   -1.413681
Name: one, dtype: float64

使用reindex对齐数据

数据准备

In [11]: s = pd.Series(np.random.randn(8), index=arrays)In [12]: s
Out[12]:
bar  one   -0.861849two   -2.104569
baz  one   -0.494929two    1.071804
foo  one    0.721555two   -0.706771
qux  one   -1.039575two    0.271860
dtype: float64

s序列加(0~-2)索引的值,因为s[:-2]没有最后两个的索引,所以为NaN.s[::2]意思是步长为1.

In [34]: s + s[:-2]
Out[34]:
bar  one   -1.723698two   -4.209138
baz  one   -0.989859two    2.143608
foo  one    1.443110two   -1.413542
qux  one         NaNtwo         NaN
dtype: float64In [35]: s + s[::2]
Out[35]:
bar  one   -1.723698two         NaN
baz  one   -0.989859two         NaN
foo  one    1.443110two         NaN
qux  one   -2.079150two         NaN
dtype: float64

Pandas MultiIndex(多重索引)相关推荐

python : pandas 中多重索引multiindex与多个标的dataframe
多个标的dataframe,如何转成多重索引的dataframe. 有点象,有中证500股票的数据,如何把这500只股票,整成一个多重索引的dataframe? import pandas as pd ...
pandas 设置多重索引_Pandas多重索引使用详解
多重索引被定义为非常重要的索引, 因为它处理数据分析和处理, 尤其是处理高维数据时.它还可以在Series和DataFrame等较低维度的数据结构中存储和处理任意数量的维度的数据. 它是标准索引对象的 ...
pandas dataframe多重索引常用操作
增加(创建) df1=pd.DataFrame(np.arange(12).reshape(4,3),index=[list("AABB"),[1,2,1,2]],columns= ...
pandas 设置多重索引_pandas dataframe多重索引常用操作
增加(创建) df1=pd.DataFrame(np.arange(12).reshape(4,3),index=[list("AABB"),[1,2,1,2]],columns= ...
pandas进阶用法（一）筛选条件、多重索引、缺失值
一篇比较好的pandas指南,适合已经熟悉pandas,并想掌握一些进阶用法的读者,不适合对pandas完全不了解的新人.文章大部分是Stack Overflow常见问题集合. pandas 官网原 ...
pandas创建复合索引dataframe仿真数据集实战（create a multiIndex dataframe）
pandas创建复合索引dataframe仿真数据集实战(create a multiIndex dataframe) 目录 pandas创建复合索引dataframe仿真数据集实战(create a ...
Pandas的MultiIndex多层索引使用
目录 MultiIndex多层索引 1.创建方式 1.1.第一种:多维数组 1.2.第二种:MultiIndex 1.3.创建案例: 2.多层索引操作 2.1.Series多层索引
Pandas 多层级索引的数据分析案例，超干货！
作者 | 俊欣来源 | 关于数据分析与可视化今天我们来聊一下Pandas当中的数据集中带有多重索引的数据分析实战通常我们接触比较多的是单层索引(左图),而多级索引也就意味着数据集当中的行索引有多 ...
Pandas多层级索引的数据分析案例，超干货的！
今天我们来聊一下Pandas当中的数据集中带有多重索引的数据分析实战通常我们接触比较多的是单层索引(左图),而多级索引也就意味着数据集当中的行索引有多个层级(右图),具体的如下图所示 AUTUMN ...

Pandas MultiIndex(多重索引)

创建多重索引

获得索引信息

基本索引

使用reindex对齐数据

Pandas MultiIndex(多重索引)相关推荐

最新文章

热门文章