pandas層次化索引

多級索引包括: 多級行索引 和 多級列索引

1. 建立多層行索引

1) 隱式構造

最常見的方法是給DataFrame建構函式的index引數傳遞兩個或更多的陣列

• Series也可以建立多層索引

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
index = [np.array(["期中","期中","期末","期末"]),np.array(["語文","英語","語文","英語"])]
Series(np.random.randn(4),index=index)
結果為：
期中  語文    1.040276
    英語    0.456647
期末  語文    0.583853
    英語    0.348378
dtype: float64
 

2) 顯示構造pd.MultiIndex

• 使用陣列

index = pd.MultiIndex.from_arrays([["期中","期中","期中","期末","期末","期末"],["語文","英語","數學","語文","英語","數學"]])
columns = ["張三","李四","王五","趙柳"]
data = np.random.randint(0,150,size=(6,4))
DataFrame(data,index,columns)

• 使用tuple

index = pd.MultiIndex.from_tuples([("期中","語文"),("期中","數學"),("期中","英語"),("期末","語文"),("期末","數學"),("期末","英語")])
columns = ["張三","李四","王五","趙柳"]
data = np.random.randint(0,150,size=(6,4))
DataFrame(data,index,columns)

• 使用product

  最簡單，推薦使用

index = pd.MultiIndex.from_product([["期中","期末"],["語文","數學","英語"]])
columns = ["張三","李四","王五","趙柳"]
data = np.random.randint(0,150,size=(6,4))
df2 = DataFrame(data,index,columns)
df2

============================================

練習8：

1. 建立一個DataFrame，表示出張三李四期中期末各科成績

============================================

data = np.random.randint(0,150,size=(4,2))
index= pd.MultiIndex.from_product([["期中","期末"],["語文","英語"]])
columns = ["張三","李四"]
DataFrame(data,index,columns)

2. 多層列索引

除了行索引index，列索引columns也能用同樣的方法建立多層索引

data = np.random.randint(0,150,size=(2,4))
index= pd.MultiIndex.from_product([["期中","期末"],["語文","英語"]]) # 多層索引
columns = ["張三","李四"] #單層索引
df1 = DataFrame(data=data,index=columns,columns=index)

3. 多層索引物件的索引與切片操作

1）Series的操作

【重要】對於Series來說，直接中括號[]與使用.loc()完全一樣，推薦使用.loc中括號索引和切片。

(1) 索引

df2

從列入手

df2["張三"] # 找出來的是個Series 這個Series有多重行索引
結果為：
期中  語文    117
    數學    119
    英語      6
期末  語文    125
    數學     84
    英語    132
Name: 張三, dtype: int32

type(df2["張三"])
結果為：pandas.core.series.Series

df2["張三"].loc["期中"].loc["語文"]
結果為：117

從行入手

df2.loc["期中"]["張三"]
結果為：
語文    117
數學    119
英語      6
Name: 張三, dtype: int32

df2.loc["期中"].loc["語文"]
結果為：
張三    117
李四     85
王五     77
趙柳     38
Name: 語文, dtype: int32

(2) 切片

df2[0:4]

2）DataFrame的操作

data = np.random.randint(0,150,size=(6,6))
index = pd.MultiIndex.from_product([["期中","期末"],["語文","數學","英語"]])
columns = pd.MultiIndex.from_product([["一班","二班"],["01","02","03"]])
df1 = DataFrame(data=data,index=index,columns=columns)
df1

(1) 可以直接使用列名稱來進行列索引

df1["一班"] # 開始的時候只能傳 最外層的

df1["01"]
結果為：
期中  語文     92
    數學    124
    英語      4
期末  語文    104
    數學      8
    英語    135
Name: 01, dtype: int32

df1["一班"]["01"]
與上面結果保持一致

行多級索引的索引和切片操作

df1.loc["期中"] # 一開始的時候只能找最外層的

df1.loc["語文"]

df1.loc["期中"].loc["語文"]

df1.loc["期中"][0:2]

df1.loc["期中"].iloc[:,0:2]

(2) 使用行索引需要用loc()等函式

【重要】推薦使用loc()函式

============================================

練習9：

1. 分析比較Series和DataFrame各種索引的方式，熟練掌握.loc()方法
2. 假設張三再一次在期中考試的時候因為特殊原因放棄英語考試，如何實現？

============================================