在Pandas中給多層索引降級的方法
更新時間：2018年11月16日 14:05:37 作者：flyfoxs
今天小編就為大家分享一篇在Pandas中給多層索引降級的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
# 背景介紹 通常我們不會在Pandas中主動設(shè)置多層索引,但是如果一個字段做多個不同的聚合運(yùn)算, 比如sum, max這樣形成的Column Level是有層次的,這樣閱讀非常方便,但是對編程定位比較麻煩. # 數(shù)據(jù)準(zhǔn)備
import pandas as pd import numpy as np df = pd.DataFrame(np.arange(0, 14).reshape(7,2),columns =['a','b'] ) df.a = df.a %3 df['who'] = 'Bob' df.loc[df.a%4==0,'who'] = 'Alice'
| a | b | who | |
|---|---|---|---|
| 0 | 0 | 1 | Alice |
| 1 | 2 | 3 | Bob |
| 2 | 1 | 5 | Bob |
| 3 | 0 | 7 | Alice |
| 4 | 2 | 9 | Bob |
| 5 | 1 | 11 | Bob |
| 6 | 0 | 13 | Alice |
# 對一個字段同時用3個聚合函數(shù)
gp1 = df.groupby('who').agg({'b':[sum,np.max, np.min], 'a':sum})
gp1
| b | a | |||
|---|---|---|---|---|
| sum | amax | amin | sum | |
| who | ||||
| Alice | 8.0 | 7.0 | 1.0 | 0 |
| Bob | 28.0 | 11.0 | 3.0 | 6 |
索引是有層次的,虛要通過下面這種方式,個人感覺不是很方便.下面介紹2種方法來解決這個問題
#有層次的索引訪問方法
gp1.loc['Bob', ('b', 'sum')]
28.0
# 直接去除一層
gp2 = gp1.copy(deep=True) gp2.columns = gp1.columns.droplevel(0) gp2
| sum | amax | amin | sum | |
|---|---|---|---|---|
| who | ||||
| Alice | 8.0 | 7.0 | 1.0 | 0 |
| Bob | 28.0 | 11.0 | 3.0 | 6 |
# 把2層合并到一層
gp3 = gp1.copy(deep=True) gp3.columns = ["_".join(x) for x in gp3.columns.ravel()] gp3
| b_sum | b_amax | b_amin | a_sum | |
|---|---|---|---|---|
| who | ||||
| Alice | 8.0 | 7.0 | 1.0 | 0 |
| Bob | 28.0 | 11.0 | 3.0 | 6 |
以上這篇在Pandas中給多層索引降級的方法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python中的偏函數(shù)及其廣泛應(yīng)用方式
這篇文章主要介紹了Python中的偏函數(shù)及其廣泛應(yīng)用方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06
Python描述數(shù)據(jù)結(jié)構(gòu)學(xué)習(xí)之哈夫曼樹篇
這篇文章主要給大家介紹了關(guān)于Python描述數(shù)據(jù)結(jié)構(gòu)學(xué)習(xí)之哈夫曼樹篇的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09
用python實(shí)現(xiàn)k近鄰算法的示例代碼
這篇文章主要介紹了用python實(shí)現(xiàn)k近鄰算法的示例代碼，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-09-09
如何用python復(fù)制粘貼excel指定單元格(可保留格式)
這篇文章主要給大家介紹了關(guān)于如何用python復(fù)制粘貼excel指定單元格(可保留格式)的相關(guān)資料,利用python操作excel非常方便,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-07-07
python運(yùn)行時強(qiáng)制刷新緩沖區(qū)的方法
今天小編就為大家分享一篇python運(yùn)行時強(qiáng)制刷新緩沖區(qū)的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
這篇文章主要介紹了OPCUA-Python實(shí)例,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02
這篇文章主要給大家介紹了關(guān)于Python中特殊方法以及應(yīng)用的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09
Python輸出由1,2,3,4組成的互不相同且無重復(fù)的三位數(shù)
這篇文章主要介紹了Python輸出由1,2,3,4組成的互不相同且無重復(fù)的三位數(shù)，分享了相關(guān)代碼示例，小編覺得還是挺不錯的，具有一定借鑒價值，需要的朋友可以參考下2018-02-02
這篇文章主要為大家介紹了Python中的Sequence類型使用實(shí)例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-12-12
Python?數(shù)據(jù)分析教程探索性數(shù)據(jù)分析
這篇文章主要介紹了Python?數(shù)據(jù)分析教程探索性數(shù)據(jù)分析，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-08-08