Pandas concat 函数中的'levels”、'keys”和'names”参数如何创建 MultiIndex？

Pandas 的 concat 函数中的“级别”、“键”和名称参数是什么？

1.简介

pandas.concat() 函数是一个强大的工具，用于沿指定轴组合多个 Series 或 DataFrame。它提供了许多可选参数，包括级别、键和名称，可用于自定义生成的 MultiIndex。

2. Levels

levels 参数用于指定生成的 MultiIndex 的级别。默认情况下，Pandas 将从keys 参数推断级别。但是，您可以通过将序列列表传递给levels参数来覆盖推断的级别。

例如，以下代码使用具有两个级别的MultiIndex沿行连接两个DataFrame：

<code class="python">df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]})

df = pd.concat([df1, df2], keys=['df1', 'df2'], levels=['level1', 'level2'])

print(df)

      level1 level2  A  B  C  D
0    df1     1    1  3  5  7
1    df1     2    2  4  6  8</code>

在此示例中，levels 参数是两个序列的列表：['level1', 'level2']。这将创建一个具有两个级别的 MultiIndex：“level1”和“level2”。键参数是两个字符串的列表：['df1', 'df2']。这会将值“df1”和“df2”分别分配给 MultiIndex 的第一级和第二级。

3。 Keys

keys 参数用于指定生成的 MultiIndex 的键。默认情况下，Pandas 将使用输入对象的索引标签作为键。但是，您可以通过将值列表传递给keys参数来覆盖默认键。

例如，以下代码使用具有三个级别的MultiIndex沿行连接两个DataFrame：

<code class="python">df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]})

df = pd.concat([df1, df2], keys=[('A', 'B'), ('C', 'D')])

print(df)

    level1 level2  A  B  C  D
0     A      B    1  3  5  7
1     C      D    2  4  6  8</code>

在此示例中，keys 参数是两个元组的列表：[('A', 'B'), ('C', 'D')]。这将创建一个具有三个级别的 MultiIndex：“level1”、“level2”和“level3”。键参数将值“A”和“B”分配给 MultiIndex 的第一级，将值“C”和“D”分配给 MultiIndex 的第二级。

4。 Names

names 参数用于指定生成的 MultiIndex 的级别名称。默认情况下，Pandas 将使用输入对象的索引标签的名称作为级别的名称。但是，您可以通过将字符串列表传递给名称参数来覆盖默认名称。

例如，以下代码使用具有两个级别的 MultiIndex 沿行连接两个 DataFrame：

<code class="python">df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]})

df = pd.concat([df1, df2], keys=['df1', 'df2'], names=['level1', 'level2'])

print(df)

      level1 level2  A  B  C  D
0    df1     1    1  3  5  7
1    df1     2    2  4  6  8</code>

在此示例中，names 参数是两个字符串的列表：['level1', 'level2']。这会将名称“level1”和“level2”分别分配给 MultiIndex 的第一层和第二层。

以上是Pandas concat 函数中的'levels”、'keys”和'names”参数如何创建 MultiIndex？的详细内容。更多信息请关注PHP中文网其他相关文章！