數(shù)據(jù)分析應(yīng)用項(xiàng)目化教程（Python） 課件 任務(wù)4.2索引操作3

第四章使用pandas進(jìn)行數(shù)據(jù)對(duì)象構(gòu)建和數(shù)據(jù)運(yùn)算

任務(wù)4.2索引操作Pandas索引操作概述使用位置索引和標(biāo)簽索引操作Series使用位置索引和標(biāo)簽索引操作DataFrame使用函數(shù)式索引操作Series和DataFrame使用常見查詢方法查詢數(shù)據(jù)索引用途索引變換索引用途把數(shù)據(jù)存儲(chǔ)于普通的column列也能用于數(shù)據(jù)查詢，那使用index的用途是什么呢？更方便的數(shù)據(jù)查詢；使用index可以獲得性能提升；自動(dòng)的數(shù)據(jù)對(duì)齊功能；更多更強(qiáng)大的數(shù)據(jù)結(jié)構(gòu)支持索引用途使用index查詢數(shù)據(jù)索引用途使用index會(huì)提升查詢性能如果index是唯一的，Pandas會(huì)使用哈希表優(yōu)化，查詢性能為O(1)如果index不是唯一的，但是有序，Pandas會(huì)使用二分查找算法，查詢性能為O(logN)如果index是完全隨機(jī)的，那么每次查詢都要掃描全表，查詢性能為O(N)完全隨機(jī)的順序查詢將index排序后的查詢將數(shù)據(jù)隨機(jī)打散

索引用途

使用index能自動(dòng)對(duì)齊數(shù)據(jù)（參考4.3）Series、DataFrame和多維數(shù)組的主要區(qū)別在于，Pandas數(shù)據(jù)結(jié)構(gòu)之間的操作會(huì)自動(dòng)基于標(biāo)簽對(duì)齊數(shù)據(jù)。因此，不用顧及執(zhí)行計(jì)算操作的數(shù)據(jù)結(jié)構(gòu)是否有相同的標(biāo)簽。Pandas數(shù)據(jù)結(jié)構(gòu)集成的數(shù)據(jù)對(duì)齊功能，是Pandas區(qū)別于大多數(shù)標(biāo)簽型數(shù)據(jù)處理工具的重要特性性。index提供更多更強(qiáng)大的索引數(shù)據(jù)結(jié)構(gòu)支持（參考4.4）CategoricalIndex，基于分類數(shù)據(jù)的Index，提升性能；MultiIndex，多維索引，用于groupby多維聚合后結(jié)果等；DatetimeIndex，時(shí)間類型索引，強(qiáng)大的日期和時(shí)間的方法支持；索引變換—reindex和renamereindex執(zhí)行的是索引重組操作，接收一組標(biāo)簽序列作為新索引，既適用于行索引也適用于列標(biāo)簽名，重組之后索引數(shù)量可能發(fā)生變化，索引名為傳入標(biāo)簽序列。當(dāng)原DataFrame中存在新指定的索引時(shí)則提取相應(yīng)行或列，不存在則舍棄。若新指定的索引在原來索引中不存在，則默認(rèn)賦值為空或填充新值。索引變換—reindex和renamerename執(zhí)行的是索引重命名操作，接收一個(gè)字典映射或一個(gè)變換函數(shù)，也均適用于行列索引，重命名之后索引數(shù)量不發(fā)生改變，索引名可能發(fā)生變化。二者均支持兩種變換方式：一種是變換內(nèi)容+axis指定作用軸（可選0/1或index/columns）另一種是直接用index/columns關(guān)鍵字指定作用軸索引變換—index.mapmap僅可用于Series，可接收字典或函數(shù)完成數(shù)據(jù)的變換索引變換—set_index與reset_indexset_index和reset_index是一對(duì)互逆的操作set_index用于置位索引——將DataFrame中列名或列名列表設(shè)置為行索引，默認(rèn)丟棄原列索引，可選drop參數(shù)reset_index用于復(fù)位索引——將索引加入到數(shù)據(jù)中作為一列或直接丟棄，可選drop參數(shù)小結(jié)索引用途使用index查詢數(shù)據(jù)使用index會(huì)提升查詢性能使用index能自動(dòng)對(duì)齊數(shù)據(jù)分層/多級(jí)索引在處理復(fù)雜的數(shù)據(jù)分析和數(shù)據(jù)操作方面為開發(fā)者奠定了基礎(chǔ)，尤其是在處理高緯度數(shù)據(jù)處理上索引變換reind