Python?pandas索引的設(shè)置和修改方法
前言
本文主要是介紹Pandas中行和列索引的4個(gè)函數(shù)操作：
- set_index
- reset_index
- set_axis
- rename
創(chuàng)建索引
快速回顧下Pandas創(chuàng)建索引的常見方法：
pd.Index
In [1]:
import pandas as pd import numpy as np
In [2]:
# 指定類型和名稱
s1 = pd.Index([1,2,3,4,5,6,7],
dtype="int",
name="Peter")
s1
Out[2]:
Int64Index([1, 2, 3, 4, 5, 6, 7], dtype='int64', name='Peter')
pd.IntervalIndex
新的間隔索引 IntervalIndex 通常使用 interval_range()函數(shù)來進(jìn)行構(gòu)造，它使用的是數(shù)據(jù)或者數(shù)值區(qū)間，基本用法：
In [3]:
s2 = pd.interval_range(start=0, end=6, closed="left") s2
Out[3]:
IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)],
closed='left',
dtype='interval[int64]')
pd.CategoricalIndex
In [4]:
s3 = pd.CategoricalIndex(
# 待排序的數(shù)據(jù)
["S","M","L","XS","M","L","S","M","L","XL"],
# 指定分類順序
categories=["XS","S","M","L","XL"],
# 排需
ordered=True,
# 索引名字
name="category"
)
s3
Out[4]:
CategoricalIndex(['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'], categories=['XS', 'S', 'M', 'L', 'XL'], ordered=True, name='category', dtype='category')
pd.DatetimeIndex
以時(shí)間和日期作為索引，通過date_range函數(shù)來生成，具體例子為：
In [5]:
# 日期作為索引，D代表天
s4 = pd.date_range("2022-01-01",periods=6, freq="D")
s4
Out[5]:
DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03',
'2022-01-04','2022-01-05', '2022-01-06'],
dtype='datetime64[ns]', freq='D')
pd.PeriodIndex
pd.PeriodIndex是一個(gè)專門針對(duì)周期性數(shù)據(jù)的索引，方便針對(duì)具有一定周期的數(shù)據(jù)進(jìn)行處理，具體用法如下：
In [6]:
s5 = pd.PeriodIndex(['2022-01-01', '2022-01-02', '2022-01-03', '2022-01-04'], freq = '2H') s5
Out[6]:
PeriodIndex(['2022-01-01 00:00', '2022-01-02 00:00',
'2022-01-03 00:00','2022-01-04 00:00'],
dtype='period[2H]', freq='2H')
pd.TimedeltaIndex
In [7]:
data = pd.timedelta_range(start='1 day', end='3 days', freq='6H') data
Out[7]:
TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
'1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
'2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
dtype='timedelta64[ns]', freq='6H')
In [8]:
s6 = pd.TimedeltaIndex(data) s6
Out[8]:
TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
'1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
'2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
dtype='timedelta64[ns]', freq='6H')
讀取數(shù)據(jù)
下面通過一份 簡(jiǎn)單的數(shù)據(jù)來講解4個(gè)函數(shù)的使用。數(shù)據(jù)如下：
set_index
設(shè)置單層索引
In [10]:
# 設(shè)置單層索引
df1 = df.set_index("name")
df1
我們發(fā)現(xiàn)df1的索引已經(jīng)變成了name字段的相關(guān)值。
下面是設(shè)置多層索引：
# 設(shè)置兩層索引 df2 = df.set_index(["sex","name"]) df2
reset_index
對(duì)索引的重置：
針對(duì)多層索引的重置：
多層索引直接原地修改：
set_axis
將指定的數(shù)據(jù)分配給所需要的軸axis。其中axis=0代表行方向，axis=1代表列方向。
兩種不同的寫法：
axis=0 等價(jià)于 axis="index" axis=1 等價(jià)于 axis="columns"
操作行索引
使用 index 效果相同：
原來的df2是沒有改變的。如果我們想改變生效，同樣也可以直接原地修改：
操作列索引
針對(duì)axis=1或者axis="columns"方向上的操作。
1、直接傳入我們需要修改的新名稱：
使用axis="columns"效果相同：
同樣也可以直接原地修改：
rename
給行索引或者列索引進(jìn)行重命名，假設(shè)我們的原始數(shù)據(jù)如下：
字典形式
1、通過傳入的一個(gè)或者多個(gè)屬性的字典形式進(jìn)行修改：
In [29]:
# 修改單個(gè)列索引；非原地修改
df2.rename(columns={"Sex":"sex"})
同時(shí)修改多個(gè)列屬性的名稱：
函數(shù)形式
2、通過傳入的函數(shù)進(jìn)行修改：
In [31]:
# 傳入函數(shù) df2.rename(str.upper, axis="columns")
也可以使用匿名函數(shù)lambda：
# 全部變成小寫 df2.rename(lambda x: x.lower(), axis="columns")
使用案例
In [33]:
在這里我們使用的是可視化庫(kù)plotly_express庫(kù)中的自帶數(shù)據(jù)集tips：
import plotly_express as px tips = px.data.tips() tips
按日統(tǒng)計(jì)總消費(fèi)
In [34]:
df3 = tips.groupby("day")["total_bill"].sum()
df3
Out[34]:
day Fri 325.88 Sat 1778.40 Sun 1627.16 Thur 1096.33 Name: total_bill, dtype: float64
In [35]:
我們發(fā)現(xiàn)df3其實(shí)是一個(gè)Series型的數(shù)據(jù)：
type(df3) # Series型的數(shù)據(jù)
Out[35]:
pandas.core.series.Series
In [36]:
下面我們通過reset_index函數(shù)將其變成了DataFrame數(shù)據(jù)：
df4 = df3.reset_index() df4
我們把列方向上的索引重新命名下：
In [37]:
# 直接原地修改
df4.rename(columns={"day":"Day", "total_bill":"Amount"},
inplace=True)
df4
按日、性別統(tǒng)計(jì)小費(fèi)均值，消費(fèi)總和
In [38]:
df5 = tips.groupby(["day","sex"]).agg({"tip":"mean", "total_bill":"sum"})
df5
我們發(fā)現(xiàn)df5是df5是一個(gè)具有多層索引的數(shù)據(jù)框：
In [39]:
type(df5)
Out[39]:
pandas.core.frame.DataFrame
我們可以選擇重置其中一個(gè)索引：
在重置索引的同時(shí)，直接丟棄原來的字段信息：下面的sex信息被刪除
In [41]:
df5.reset_index(["sex"],drop=True) # 非原地修改
列方向上的索引直接原地修改：
df5.reset_index(inplace=True) # 原地修改 df5
笨方法
最后介紹一個(gè)笨方法來修改列索引的名稱：就是將新的名稱通過列表的形式全部賦值給數(shù)據(jù)框的columns屬性
在列索引個(gè)數(shù)少的時(shí)候用起來挺方便的，如果多了不建議使用。
總結(jié)
到此這篇關(guān)于Python pandas索引的設(shè)置和修改的文章就介紹到這了,更多相關(guān)pandas索引設(shè)置和修改內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python 刪除列表里所有空格項(xiàng)的方法總結(jié)
下面小編就為大家分享一篇python 刪除列表里所有空格項(xiàng)的方法總結(jié)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-04-04
Python @property及getter setter原理詳解
這篇文章主要介紹了Python @property及getter setter原理詳解,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-03-03
python實(shí)現(xiàn)2014火車票查詢代碼分享
學(xué)習(xí)習(xí)PYTHON開始，實(shí)現(xiàn)了一個(gè)火車票查詢的小功能，希望能幫大家買到回家的票2014-01-01
Python的scikit-image模塊實(shí)例講解
在本篇文章里小編給大家整理了一篇關(guān)于Python的scikit-image模塊實(shí)例講解內(nèi)容，有需要的朋友們可以學(xué)習(xí)下。2020-12-12![python正則表達(dá)式匹配[]中間為任意字符的實(shí)例](http://img.jbzj.com/images/xgimg/bcimg4.png)
python正則表達(dá)式匹配[]中間為任意字符的實(shí)例
今天小編就為大家分享一篇python正則表達(dá)式匹配[]中間為任意字符的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-12-12
這篇文章主要給大家介紹了關(guān)于如何用Python畫五彩氣球的相關(guān)資料,主要是用turtle庫(kù)自帶的畫筆turtle.Turtle()來繪制氣球,文中給出了詳細(xì)的實(shí)例代碼,需要的朋友可以參考下2023-06-06
在本篇內(nèi)容里小編給大家整理的是一篇關(guān)于python方差檢驗(yàn)的含義及用法，有需要的朋友們可以跟著學(xué)習(xí)參考下。2021-07-07
利用Python matplotlib繪制風(fēng)能玫瑰圖
這篇文章主要給大家介紹了關(guān)于如何利用Python matplotlib繪制風(fēng)能玫瑰圖的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)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2021-03-03
這篇文章主要為大家詳細(xì)介紹了python調(diào)用tcpdump抓包過濾的方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-07-07
今天小編就為大家分享一篇對(duì)numpy中的數(shù)組條件篩選功能詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-07-07