引言
pd.MultiIndex，即具有多個層次的索引。透過多層次索引，我們就可以操作整個索引組的資料。本文主要介紹在Pandas中建立多層索引的6種方式：
pd.MultiIndex.from_arrays()：多維數組作為參數，高維度指定高層索引，低維指定低層索引。
pd.MultiIndex.from_tuples()：元組的清單作為參數，每個元組指定每個索引(高維和低維索引)。
pd.MultiIndex.from_product()：可迭代物件的列表作為參數，根據多個可迭代物件元素的笛卡爾積（元素間的兩兩組合）進行創建索引。
pd.MultiIndex.from_frame：根據現有的資料框來直接產生
groupby()：透過資料分組統計量得到
pivot_table()：產生透視表的方式來得到
pd.MultiIndex.from_arrays()
In [1] :
import pandas as pd
import numpy as np
登入後複製
透過陣列的方式來生成，通常指定的是清單中的元素：
In [2]:
# 列表元素是字符串和数字
array1 = [["xiaoming","guanyu","zhangfei"],
[22,25,27]
]
m1 = pd.MultiIndex.from_arrays(array1)
m1登入後複製
Out[2]:
MultiIndex([('xiaoming', 22), ( 'guanyu', 25), ('zhangfei', 27)],
)登入後複製
登入後複製
In [3]:
透過type函數來查看資料類型，發現的確是：MultiIndex
Out[3]:
pandas.core.indexes.multi.MultiIndex
登入後複製
在建立的同時可以指定每個層級的名字：
In [4]:
# 列表元素全是字符串
array2 = [["xiaoming","guanyu","zhangfei"],
["male","male","female"]
]
m2 = pd.MultiIndex.from_arrays(
array2,
# 指定姓名和性别
names=["name","sex"])
m2登入後複製
Out[4]:
MultiIndex([('xiaoming', 'male'), ( 'guanyu', 'male'), ('zhangfei', 'female')],
names=['name', 'sex'])登入後複製
下面的範例是產生3個層次的索引且指定名字：
In [5]:
array3 = [["xiaoming","guanyu","zhangfei"],
["male","male","female"],
[22,25,27]
]
m3 = pd.MultiIndex.from_arrays(
array3,
names=["姓名","性别","年龄"])
m3登入後複製
Out[5]:
MultiIndex([('xiaoming', 'male', 22), ( 'guanyu', 'male', 25), ('zhangfei', 'female', 27)],
names=['姓名', '性别', '年龄'])登入後複製
pd.MultiIndex.from_tuples()
透過元組的形式來產生多層索引：
In [6]:
# 元组的形式
array4 = (("xiaoming","guanyu","zhangfei"),
(22,25,27)
)
m4 = pd.MultiIndex.from_arrays(array4)
m4登入後複製
Out[6]:
MultiIndex([('xiaoming', 22), ( 'guanyu', 25), ('zhangfei', 27)],
)登入後複製
登入後複製
In [7]:
# 元组构成的3层索引
array5 = (("xiaoming","guanyu","zhangfei"),
("male","male","female"),
(22,25,27))
m5 = pd.MultiIndex.from_arrays(array5)
m5登入後複製
Out [7]:
MultiIndex([('xiaoming', 'male', 22), ( 'guanyu', 'male', 25), ('zhangfei', 'female', 27)],
)登入後複製
清單和元組是可以混合使用的
In [8]:
array6 = [("xiaoming","guanyu","zhangfei"),
("male","male","female"),
(18,35,27)
]
# 指定名字
m6 = pd.MultiIndex.from_arrays(array6,names=["姓名","性别","年龄"])
m6登入後複製
Out[8]:
MultiIndex([('xiaoming', 'male', 18), ( 'guanyu', 'male', 35), ('zhangfei', 'female', 27)],
names=['姓名', '性别', '年龄'] # 指定名字
)登入後複製
pd.MultiIndex.from_product()
使用可迭代物件的列表作為參數，根據多個可迭代物件元素的笛卡爾積（元素間的兩兩組合）進行建立索引。
在Python中，我們使用
isinstance()函數來判斷python物件是否可迭代：
# 导入 collections 模块的 Iterable 对比对象
from collections import Iterable
登入後複製
#透過上面的例子我們總結：常見的字串、列表、集合、元組、字典都是可迭代物件
下面舉例來說明：
In [18 ]:
names = ["xiaoming","guanyu","zhangfei"]
numbers = [22,25]
m7 = pd.MultiIndex.from_product(
[names, numbers],
names=["name","number"]) # 指定名字
m7登入後複製
Out[18]:
MultiIndex([('xiaoming', 22), ('xiaoming', 25), ( 'guanyu', 22), ( 'guanyu', 25), ('zhangfei', 22), ('zhangfei', 25)],
names=['name', 'number'])登入後複製
In [19]:
# 需要展开成列表形式
strings = list("abc")
lists = [1,2]
m8 = pd.MultiIndex.from_product(
[strings, lists],
names=["alpha","number"])
m8登入後複製
Out[19]:
MultiIndex([('a', 1), ('a', 2), ('b', 1), ('b', 2), ('c', 1), ('c', 2)],
names=['alpha', 'number'])登入後複製
登入後複製
In [20]:
# 使用元组形式
strings = ("a","b","c")
lists = [1,2]
m9 = pd.MultiIndex.from_product(
[strings, lists],
names=["alpha","number"])
m9登入後複製
Out[20]:
MultiIndex([('a', 1), ('a', 2), ('b', 1), ('b', 2), ('c', 1), ('c', 2)],
names=['alpha', 'number'])登入後複製
登入後複製
In [21]:
# 使用range函数
strings = ("a","b","c") # 3个元素
lists = range(3) # 0,1,2 3个元素
m10 = pd.MultiIndex.from_product(
[strings, lists],
names=["alpha","number"])
m10登入後複製
Out[21]:
MultiIndex([('a', 0), ('a', 1), ('a', 2), ('b', 0), ('b', 1), ('b', 2), ('c', 0), ('c', 1), ('c', 2)],
names=['alpha', 'number'])登入後複製
In [22]:
# 使用range函数
strings = ("a","b","c")
list1 = range(3) # 0,1,2
list2 = ["x","y"]
m11 = pd.MultiIndex.from_product(
[strings, list1, list2],
names=["name","l1","l2"]
)
m11 # 总个数 3*3*2=18登入後複製
總個數是``332=18`個：
Out[22]:
MultiIndex([('a', 0, 'x'), ('a', 0, 'y'), ('a', 1, 'x'), ('a', 1, 'y'), ('a', 2, 'x'), ('a', 2, 'y'), ('b', 0, 'x'), ('b', 0, 'y'), ('b', 1, 'x'), ('b', 1, 'y'), ('b', 2, 'x'), ('b', 2, 'y'), ('c', 0, 'x'), ('c', 0, 'y'), ('c', 1, 'x'), ('c', 1, 'y'), ('c', 2, 'x'), ('c', 2, 'y')],
names=['name', 'l1', 'l2'])登入後複製
pd.MultiIndex.from_frame()
透過現有的DataFrame直接來產生多層索引：
df = pd.DataFrame({"name":["xiaoming","guanyu","zhaoyun"],
"age":[23,39,34],
"sex":["male","male","female"]})
df登入後複製
直接產生了多層索引，名稱就是現有資料框的列欄位：
In [24]:
pd.MultiIndex.from_frame(df)
登入後複製
Out[24]:
MultiIndex([('xiaoming', 23, 'male'), ( 'guanyu', 39, 'male'), ( 'zhaoyun', 34, 'female')],
names=['name', 'age', 'sex'])登入後複製
透過names參數指定名稱：
In [25]:
# 可以自定义名字
pd.MultiIndex.from_frame(df,names=["col1","col2","col3"])
登入後複製
#Out[ 25]:
MultiIndex([('xiaoming', 23, 'male'), ( 'guanyu', 39, 'male'), ( 'zhaoyun', 34, 'female')],
names=['col1', 'col2', 'col3'])登入後複製
groupby()
透過groupby函數的分組功能計算得到：
#In [26]:
df1 = pd.DataFrame({"col1":list("ababbc"),
"col2":list("xxyyzz"),
"number1":range(90,96),
"number2":range(100,106)})
df1登入後複製
Out[26] :
df2 = df1.groupby(["col1","col2"]).agg({"number1":sum,
"number2":np.mean})
df2登入後複製
查看資料的索引：
#In [28]:
Out [28]:
MultiIndex([('a', 'x'), ('a', 'y'), ('b', 'x'), ('b', 'y'), ('b', 'z'), ('c', 'z')],
names=['col1', 'col2'])登入後複製
登入後複製
pivot_table()
透過資料透視功能得到:
#In [29]:
df3 = df1.pivot_table(values=["col1","col2"],index=["col1","col2"])
df3
登入後複製
#In [30]:
Out[30]:
MultiIndex([('a', 'x'), ('a', 'y'), ('b', 'x'), ('b', 'y'), ('b', 'z'), ('c', 'z')],
names=['col1', 'col2'])登入後複製
登入後複製
以上是如何使用Python的pandas庫建立多層次索引（MultiIndex）？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
