層及索引levels，剛開始學(xué)習(xí)pandas的時(shí)候沒有太多的操作關(guān)于groupby，僅僅是簡(jiǎn)單的count、sum、size等等，沒有更深入的利用groupby后的數(shù)據(jù)進(jìn)行處理。近來數(shù)據(jù)處理的時(shí)候有遇到這類問題花了一點(diǎn)時(shí)間，所以這里記錄以及復(fù)習(xí)一下：（以下皆是個(gè)人實(shí)踐后的理解）

我使用一個(gè)實(shí)例來講解下面的問題：一張數(shù)據(jù)表中有三列（動(dòng)物物種、物種品種、品種價(jià)格），選出每個(gè)物種從大到小品種的前兩種，最后只需要品種和價(jià)格這兩列。

以上這張表是我們后面需要處理的數(shù)據(jù)表 （物種 品種 價(jià)格）

levels：層及索引 （創(chuàng)建pandas類型時(shí)可以預(yù)先定義；使用groupby后也會(huì)生成）

我們看看levels什么樣（根據(jù)df1物種分類，再根據(jù)df2品種排序后 如下圖）

圖中可以看出，根據(jù)groupby分類后的cat、dog便是level，以及后面的一列原始位置索引也是level

好了現(xiàn)在簡(jiǎn)單了解levels，我們?cè)撊绾螌?duì)它進(jìn)行處理，如何完成上面的實(shí)例呢？（可能你拿到這樣的層級(jí)數(shù)據(jù)，不會(huì)操作，不知道如何提取其中的信息）

代碼及講解如下：

首先導(dǎo)入pandas、numpy庫，以及創(chuàng)建原始數(shù)據(jù)：

import pandas as pd
import numpy as np
df = pd.DataFrame({'df1':['cat','cat','dog','cat','dog','dog'],'df2':[2,3,4,1,3,1],'df3':[100,200,100,300,200,200]})

原始數(shù)據(jù)最上面那張圖

下面我們根據(jù)物種來分類，并且使用apply調(diào)用sort_df2函數(shù)對(duì)品種進(jìn)行排序：

def sort_df2(data):
 data = data.sort_values(by='df2',ascending=False) #df2：品種列 ascending：排序方式
 return data
group = df.groupby(df['df1']).apply(sort_df2) #groupby以及apply的結(jié)合使用

處理后數(shù)據(jù)，上面第二張圖

print(group.index) #看看groupby后的行索引什么樣

groupby后如上圖，有層級(jí)標(biāo)簽（這里兩列），labels標(biāo)簽（分類，位置）

這里我們需要的是第一層級(jí)標(biāo)簽的第一列（也就是cat、dog）

levels = group.index.levels[0] #取出第一級(jí)標(biāo)簽：

下面將是兩層循環(huán)，完成從中選出（物種前兩個(gè)品種以及它的價(jià)格），很簡(jiǎn)單的操作：

values = []
for i in levels:
 mid_group = group.loc[i] #選出i標(biāo)簽物種的所有品種
 mid_group = mid_group.iloc[:2,:] #我們只取排序后的品種的前兩種（要注意這里使用iloc，它與loc的區(qū)別）
 cnt = len(mid_group) #為了防止循環(huán)長(zhǎng)度錯(cuò)誤，所以我們還是需要計(jì)算長(zhǎng)度，因?yàn)槿绻嬲龜?shù)據(jù)不足2條還是不報(bào)錯(cuò)
 for j in range(cnt): #現(xiàn)在在每個(gè)物種cat、dog中操作
 value = mid_group.iloc[j,:] #我們選出該物種的第j條所有信息df1、df2、df3
 value_pro = (value['df2'],value['df3']) #然后只取df2、df3，將它們放到元組中
 values.append(value_pro)

所有的操作完成了，我們看看結(jié)果：

print(values) #此時(shí)在列表中保存了上面提取的元組信息，我們可以使用pandas再次轉(zhuǎn)換它們?yōu)镈ataFrame，也可以做其它操作

我覺得這個(gè)例子比較形象，但是還是有邏輯欠缺的地方，不過不重要，看懂了上面的例子，基本上就能了解和處理層級(jí)數(shù)據(jù)了。當(dāng)然這里的數(shù)據(jù)簡(jiǎn)單，只是為了更好的理解，真正的處理數(shù)據(jù)時(shí)，可能會(huì)出現(xiàn)更為復(fù)雜的層級(jí)結(jié)構(gòu)，這時(shí)需要能夠更靈活的處理，如果你有更好的理解和建議，可以回復(fù)。

-------更新（增加對(duì)兩層索引的操作）--------

在原來的基礎(chǔ)上增加一列df4表示動(dòng)物的大小特征

df = pd.DataFrame({'df1':['cat','cat','dog','cat','dog','dog'],'df2':[2,3,4,1,3,1],'df3':[100,200,100,300,200,200],'df4':['大','中','小','巨大','小','中']})

此時(shí)根據(jù)df1、df4兩列來分類，再對(duì)兩層的層級(jí)索引操作：

df_group = df.groupby(['df1','df4']).size()

分類后得到的是對(duì)應(yīng)兩個(gè)特征的動(dòng)物數(shù)量，現(xiàn)在來取得其中的值：

print(df_group.index)
h = df_group.loc[['cat','df4']]
print(h)

先查看數(shù)據(jù)的index信息，從中我們可以看到兩層索引對(duì)應(yīng)的levels有兩中，然后我們根據(jù)loc測(cè)試選出cat類的df4這一列（也可以填大、中、巨大選出一列）

這樣就得到了cat種類的信息，當(dāng)然也可以選出dog種類，那么如何得出(cat,巨大，1)這樣的一一對(duì)應(yīng)的數(shù)據(jù)呢？

df1_name = df_group.index.levels[0]     #獲得第一層的分類cat、dog
for i in range(len(df1_name)):  #循環(huán)遍歷第一層
 df_level = df_group.loc[[df1_name[i],'df4']] #這里是選出第一層的所有信息
 df_level_ch = pd.DataFrame(df_level)   #由于上面得到是Series我們需要將它轉(zhuǎn)換為DataFrame才能更好的操作
 for j in range(len(df_level_ch)):   #開始對(duì)第二層進(jìn)行遍歷
  a = df_level_ch.ix[j].name    #由于是DataFrame所以可以取每一行的name值('cat','大')
  b = df_level_ch.values[j][0]   #獲取對(duì)應(yīng)數(shù)量，由于是嵌套列表，所以我們逐層獲取
  print(a,b)

基本上是篩選出來了，還是很簡(jiǎn)單的。這只是其中的一個(gè)例子，如果遇到需要其他的操作，可以根據(jù)這個(gè)例子來隨機(jī)變換。

這個(gè)方法雖然可以篩選，但是個(gè)人覺得數(shù)據(jù)量過大，就不是很好，暫時(shí)沒有更好的方法，如果那位朋友有其他操作，可以分享一下。

以上這篇淺談pandas用groupby后對(duì)層級(jí)索引levels的處理方法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論