多维度索引

1 前言

比如我们有这么一个DataFrame

data = pd.DataFrame(np.random.randn(5),index=[['a', 'a', 'a', 'd','d'],[1, 2, 3, 1, 2]])

那么此时有两列index ，这就是multi-index

mindex = data.index mindex ''' MultiIndex([('a', 1),('a', 2),('a', 3),('d', 1),('d', 2)],) '''

2 属性

2.1 levels

不同层级上的属性值

mindex.levels #FrozenList([['a', 'd'], [1, 2, 3]])

2.2 codes

不同层级上索引元素的位置

mindex.codes # FrozenList([[0, 0, 0, 1, 1], [0, 1, 2, 0, 1]])

表示第一个索引('a','d') 0号（也就是'a'）对应的是第一个列表元素为0的行（前三行）；1号（也就是'd'）对应的是第一个列表元素为1的行（后两行）

第二个索引(1 2 3) 0号（也就是1）对应的是第二个列表元素为0的行（第一行第四行）；1号（也就是'2'）对应的是第二个列表元素为1的行（第二行第五行）；2号（也就是3）对应的是第二个列表元素为2的行（第三行）

2.3 names

索引的名称（我们这里是没有）

mindex.names #FrozenList([None, None])

3 构建多层索引

3.1 直接DataFrame 构建

data = pd.DataFrame(np.random.randn(5),index=[['a', 'a', 'a', 'd','d'],[1, 2, 3, 1, 2]]) data'''0 a 1 -0.4793182 -0.4715943 -1.550214 d 1 0.3294462 -0.607804 ''''

3.2 从列表转化

两个列表相同索引的元素组成一个index

mindex = pd.MultiIndex.from_arrays([['a-', 'a-', 'a-', 'a-', 'd-'],[-1, -2, -3, -1, -2]])data.reindex(mindex) '''0 a- -1 NaN-2 NaN-3 NaN-1 NaN d- -2 NaN '''

3.3 从元组转化

mindex = pd.MultiIndex.from_tuples([('a',1), ('a',2), ('b',1)]) data.reindex(mindex) '''0 a 1 -1.407190 2 1.193368 b 1 NaN '''

 每一个元组中的元素组成一个index

3.4 使用两个列表的笛卡尔乘积转化

mindex = pd.MultiIndex.from_product([['a','d'], [1,2]]) data.reindex(mindex)'''0 a 1 -1.4071902 1.193368 d 1 -0.3431652 -0.112372 '''

4 转换多维索引的顺序

将第0维和第一维的索引交换

data.swaplevel(0,1) '''0 1 a -1.407190 2 a 1.193368 3 a -0.352287 1 d -0.343165 2 d -0.112372 '''

总结

以上是生活随笔为你收集整理的pandas 笔记：multi-index的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。