成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

介紹 Pandas 實戰(zhàn)中一些高端玩法

開發(fā) 后端
相信大家平常在工作學(xué)習(xí)當中,需要處理的數(shù)據(jù)集是十分復(fù)雜的,數(shù)據(jù)集當中的索引也是有多個層級的,那么今天小編就來和大家分享一下DataFrame數(shù)據(jù)集當中的分層索引問題。

什么是多重/分層索引

多重/分層索引(MultiIndex)可以理解為堆疊的一種索引結(jié)構(gòu),它的存在為一些相當復(fù)雜的數(shù)據(jù)分析和操作打開了大門,尤其是在處理高緯度數(shù)據(jù)的時候就顯得十分地便利,我們首先來創(chuàng)建帶有多重索引的DataFrame數(shù)據(jù)集。

多重索引的創(chuàng)建

首先在“列”方向上創(chuàng)建多重索引,即我們在調(diào)用columns參數(shù)時傳遞兩個或者更多的數(shù)組,代碼如下:

df1 = pd.DataFrame(np.random.randint(0, 100, size=(2, 4)),
index= ['ladies', 'gentlemen'],
columns=[['English', 'English', 'French', 'French'],
['like', 'dislike', 'like', 'dislike']])

output

那么同理我們想要在“行”方向上存在多重索引,則是在調(diào)用index參數(shù)的時候傳遞兩個或者更多數(shù)組即可,代碼如下:

df = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),
index= [['English','', 'Chinese',''],
['like','dislike','like','dislike']],
columns=['ladies', 'gentlemen'])

output

除此之外,還有其他幾種常見的方式來創(chuàng)建多重索引,分別是:

  • pd.MultiIndex.from_arrays
  • pd.MultiIndex.from_frame
  • pd.MultiIndex.from_tuples
  • pd.MultiIndex.from_product

小編這里就挑其中的一種來為大家演示如何來創(chuàng)建多重索引,代碼如下:

df2 = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),  
columns= ['ladies', 'gentlemen'],
index=pd.MultiIndex.from_product([['English','French'],
['like','dislike']]))

output

獲取多重索引的值

接下來我們來看一下怎么獲取帶有多重索引的數(shù)據(jù)集當中的數(shù)據(jù),使用到的數(shù)據(jù)集是英國三大主要城市倫敦、劍橋和牛津在2019年全天的氣候數(shù)據(jù),如下所示:

import pandas as pd
from pandas import IndexSlice as idx
df = pd.read_csv('dataset.csv',
index_col=[0,1],
header=[0,1]
)
df = df.sort_index()
df

output

在“行”索引上,我們可以看到是“城市”以及“日期”這兩個維度,而在“列”索引上,我們看到的是則是“不同時間段”以及一些“氣溫”等指標,首先來看一下“列”方向多重索引的層級,代碼如下:

df.columns.levels

output

FrozenList([['Day', 'Night'], ['Max Temperature', 'Weather', 'Wind']])

我們想要獲取第一層級上面的索引值,代碼如下:

df.columns.get_level_values(0)

output

Index(['Day', 'Day', 'Day', 'Night', 'Night', 'Night'], dtype='object')

那么同理,第二層級的索引值,只是把當中的0替換成1即可,代碼如下:

df.columns.get_level_values(1)

output

Index(['Weather', 'Wind', 'Max Temperature', 'Weather', 'Wind',
'Max Temperature'],
dtype='object')

那么在“行”方向上多重索引值的獲取也是一樣的道理,這里就不多加以贅述了。

數(shù)據(jù)的獲取

那么涉及到數(shù)據(jù)的獲取,方式也有很多種,最常用的就是loc()方法以及iloc()方法了,例如:

df.loc['London' , 'Day']
## 或者是
df.loc[('London', ) , ('Day', )]

output

通過調(diào)用loc()方法來獲取第一層級上的數(shù)據(jù),要是我們想要獲取所有“行”的數(shù)據(jù),代碼如下:

df.loc[:, 'Day']
## 或者是
df.loc[:, ('Day',)]

output

或者是所有“列”的數(shù)據(jù),代碼如下:

df.loc['London' , :]
## 或者是
df.loc[('London', ) , :]

output

當然我們也可以這么來做,在行方向上指定第二層級上的索引,代碼如下:

df.loc['London' , '2019-07-02']
## 或者是
df.loc[('London' , '2019-07-02')]

output

多重索引的數(shù)據(jù)獲取

假設(shè)我們想要獲取劍橋在2019年7月3日白天的數(shù)據(jù),代碼如下:

df.loc['Cambridge', 'Day'].loc['2019-07-03']

output

在第一次調(diào)用loc['Cambridge', 'Day']的時候返回的是DataFrame數(shù)據(jù)集,然后再通過調(diào)用loc()方法來提取數(shù)據(jù),當然這里還有更加快捷的方法,代碼如下:

df.loc[('Cambridge', '2019-07-01'), 'Day']

我們需要傳入元祖的形式的索引值來進行數(shù)據(jù)的提取。要是我們不只是想要獲取單行或者是單列的數(shù)據(jù),可以這么來操作:

df.loc[  
('Cambridge' , ['2019-07-01','2019-07-02'] ) ,
'Day'
]

output

或者是獲取多列的數(shù)據(jù),代碼如下:

df.loc[  
'Cambridge' ,
('Day', ['Weather', 'Wind'])
]

output

我們要是想要獲取劍橋在2019年7月1日到3日,連續(xù)3天的白天氣候數(shù)據(jù),代碼如下:

df.loc[
('Cambridge', '2019-07-01': '2019-07-03'),
'Day'
]

output

這么來寫是會報語法錯誤的,正確的方法應(yīng)該是這么來做:

df.loc[
('Cambridge','2019-07-01'):('London','2019-07-03'),
'Day'
]

xs()方法的調(diào)用

小編另外推薦xs()方法來指定多重索引中的層級,例如我們只想要2019年7月1日各大城市的數(shù)據(jù),代碼如下:

df.xs('2019-07-01', level='Date')

output

還能夠接受多個維度的索引,例如想要獲取倫敦在2019年7月4日的全天數(shù)據(jù),代碼如下:

df.xs(('London', '2019-07-04'), level=['City','Date'])

output

另外還有axis參數(shù)來指定是獲取“列”方向還是“行”方向上的數(shù)據(jù),例如我們想要獲取“Weather”這一列的數(shù)據(jù),代碼如下:

df.xs('Weather', level=1, axis=1)

output

當中的level參數(shù)代表的是層級,我們將其替換成0,看一下出來的結(jié)果。

df.xs('Day', level=0, axis=1)

output

篩選出來的是三個主要城市2019年白天的氣候數(shù)據(jù)。

IndexSlice()方法的調(diào)用

同時Pandas內(nèi)部也提供了IndexSlice()方法來方便我們更加快捷地提取出多重索引數(shù)據(jù)集中的數(shù)據(jù),代碼如下:

from pandas import IndexSlice as idx
df.loc[
idx[: , '2019-07-04'],
'Day'
]

output

我們同時可以指定行以及列方向上的索引來進行數(shù)據(jù)的提取,代碼如下:

rows = idx[: , '2019-07-02']
cols = idx['Day' , ['Max Temperature','Weather']]
df.loc[rows, cols]

output

責(zé)任編輯:龐桂玉 來源: AI科技大本營
相關(guān)推薦

2010-03-25 13:59:52

Python API

2019-05-15 15:40:18

朋友圏微信評論

2013-03-29 09:03:59

iOS實用小代碼iOS開發(fā)

2011-07-19 18:11:09

iPhone 開發(fā)

2017-05-23 14:33:46

簡歷求職前端開發(fā)

2010-04-07 16:55:14

Unix命令

2012-12-24 14:51:02

iOS

2019-10-15 06:00:26

Google AnalAngularReact

2010-03-24 18:27:27

無線mesh網(wǎng)絡(luò)應(yīng)用

2011-05-23 18:06:24

站內(nèi)優(yōu)化SEO

2009-09-10 16:01:26

介紹LINQ

2018-09-11 16:15:36

Vue高版本前端

2014-08-08 09:14:43

Linux瀏覽器

2011-06-24 14:46:23

Qt

2014-03-19 15:41:21

編程語言編程規(guī)則

2011-06-16 14:28:08

Qt Symbian 文件

2010-08-17 10:16:37

DIV樣式

2011-03-16 10:40:42

JavaEEJ2EE

2023-11-13 07:54:54

.NET Core開源框架

2009-06-18 10:53:52

Hibernate3.
點贊
收藏

51CTO技術(shù)棧公眾號

主站蜘蛛池模板: 一二三四在线视频观看社区 | 91精品国产乱码久久久久久久久 | 国户精品久久久久久久久久久不卡 | 欧美日韩国产一区二区三区 | 999免费观看视频 | 国内av在线 | 欧美日韩一二三区 | 精品日韩一区二区三区 | 黄a免费看 | 在线观看www | 黄网站免费观看 | 欧美一区二区三区,视频 | 日韩成人在线观看 | 国产成人精品a视频 | 青草久久免费视频 | 日韩欧美精品 | 三级特黄特色视频 | 日韩精品视频在线 | 亚洲精品国产第一综合99久久 | 黄色a级一级片 | 日韩网站免费观看 | 欧美精品一二三 | 国内自拍偷拍 | 91pao对白在线播放 | 亚洲成人观看 | 尤物在线 | 国产 91 视频 | 狠狠躁天天躁夜夜躁婷婷老牛影视 | 亚洲国产中文字幕 | 午夜视频在线播放 | 欧美日韩中文在线 | 国产精品久久久久久久久久久久 | 国产精品永久久久久 | 亚洲精品v| 中文天堂在线一区 | 欧美大片黄| 一级网站 | 色接久久 | 国产又爽又黄的视频 | 成人久久久 | 玖玖在线免费视频 |