數(shù)據(jù)分析應(yīng)用項目化教程（Python） 課件 任務(wù)4.4 層次化索引

第四章使用pandas進行數(shù)據(jù)對象構(gòu)建和數(shù)據(jù)運算

任務(wù)4.4層次化索引操作pandas的索引分層索引MultiIndex數(shù)據(jù)源小費數(shù)據(jù)集tipsSeries的多層索引MultiIndexSeries有多層索引怎樣篩選數(shù)據(jù)DataFrame的多層索引MultiIndex

DataFrame有多層索引怎樣篩選數(shù)據(jù)pandas的索引pandas的索引：負責管理軸標簽和其他如軸名稱等元數(shù)據(jù)。構(gòu)建Series或DataFrame時，所用到的任何數(shù)組或其他序列的標簽都會被轉(zhuǎn)換成一個Index。Pandas的數(shù)據(jù)處理：pandas作為python中非常重要的數(shù)據(jù)處理工具，它提供了很多靈活的數(shù)學和統(tǒng)計方法。在數(shù)據(jù)處理中，經(jīng)常需要對數(shù)據(jù)進行索引的轉(zhuǎn)換，以適應(yīng)不同的統(tǒng)計和作圖的需要。分層索引MultiIndexPandas高維數(shù)據(jù)結(jié)構(gòu)：?Pandas庫的名字來源于其中3種主要數(shù)據(jù)結(jié)構(gòu)開頭字母的縮寫，Panel、Dataframe、Series，其中Series表示一維數(shù)據(jù)，Dataframe表示二維數(shù)據(jù)，Panel表示三維數(shù)據(jù)。當數(shù)據(jù)高于二維時，我們一般用包含多層級索引的Dataframe進行表示，而不是使用Panel。原因是使用多層級索引展示數(shù)據(jù)更加直觀，操作數(shù)據(jù)更加靈活，并且可以表示3維，4維乃至任意維度的數(shù)據(jù)。MultiIndex：層次化索引對象，表示單個軸上的多層索引，可以看做由原數(shù)組組成的數(shù)組。MultiIndex可以理解為堆疊的一種索引結(jié)構(gòu)，官方文檔提及到它為一些相當復雜的數(shù)據(jù)分析和操作打開了大門，尤其是在處理高維數(shù)據(jù)的時候顯得十分便利。從本質(zhì)上講,有了多級索引就可以在Series和DataFrame等低數(shù)據(jù)結(jié)構(gòu)中存儲和處理任意維數(shù)的數(shù)據(jù)。數(shù)據(jù)源小費數(shù)據(jù)集tips使用seaborn庫自帶的小費數(shù)據(jù)集tips,數(shù)據(jù)集中含有7個字段:消費總金額(totall_bill)(不含小費)小費金額(tip)顧客性別(sex)消費的星期(day)消費的時間段(time)用餐人數(shù)(size)顧客是否抽煙(smoker)Series的多層索引MultiIndex使用分組創(chuàng)建多層級索引Series有多層索引怎樣篩選數(shù)據(jù)圖1多層索引Series對象圖2取level=0級索引是Thur圖3取0級索引是Thur和Fri圖4取0級索引是Thur并且1級索引是Dinner圖5

取1級索引是Dinner圖6

按0級索引統(tǒng)計DataFrame的多層索引MultiIndex使用set_index方法將普通列轉(zhuǎn)成多層級索引tips.set_index([‘day’,‘time’],inplace=True)#將列變成行索引，并且修改原數(shù)據(jù)集，如圖1

tips.sort_index(inplace=True)#按行索引排序，并替換原數(shù)據(jù)集，如圖2圖1列轉(zhuǎn)成行圖2

行索引排序

DataFrame有多層索引MultiIndex怎樣篩選數(shù)據(jù)

在選擇數(shù)據(jù)時：元組(key1,key2)代表篩選多層索引，其中key1是索引0層，key2是1層，比如ey1=Thur,key2=Lunch列表[key1,key2]代表同一層的多個KEY，其中key1和key2是并列的同層索引，比如key1=Thur,key2=FriDataFrame有多層索引MultiIndex怎樣篩選數(shù)據(jù)DataFrame有多層索引MultiIndex怎樣篩選數(shù)據(jù)在索引運算[]里面使用:,:表示切片。但是在非索引運算[]以外，比如元組或列表中使用：則不能表示：是切片運算符。在非索引運算[]以外，要表達切片，需使用slice()或pandas.IndexSliceslice(None)表示切片：，slice('a','e')表示'a':'e'idx=pandas.IndexSlice,idx[:]表示切片，idx['a':'e']表示'a':'e'小結(jié)pandas的索引分層索引MultiIndex數(shù)據(jù)源小費數(shù)