欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python?pandas索引的設(shè)置和修改方法

 更新時(shí)間:2022年06月21日 16:24:11   作者:尤爾小屋的貓  
索引的作用相當(dāng)于圖書的目錄,可以根據(jù)目錄中的頁(yè)碼快速找到所需的內(nèi)容,下面這篇文章主要給大家介紹了關(guān)于Python?pandas索引的設(shè)置和修改的相關(guān)資料,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

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)

    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

    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

    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

    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

    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
  • 一步步教你用Python畫五彩氣球

    一步步教你用Python畫五彩氣球

    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
  • python方差檢驗(yàn)的含義及用法

    python方差檢驗(yàn)的含義及用法

    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

    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
  • python調(diào)用tcpdump抓包過濾的方法

    python調(diào)用tcpdump抓包過濾的方法

    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
  • 對(duì)numpy中的數(shù)組條件篩選功能詳解

    對(duì)numpy中的數(shù)組條件篩選功能詳解

    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

最新評(píng)論