pandas(五)——层次化索引

pandas中的层次化索引是我们能以低纬度形式处理高纬度数据。

data = Series(np.random.randn(10),index=[['a','a','a','b','b','b','c','c','d','d'],
                                         [1,2,3,1,2,3,1,2,2,3]])
print data
'''
a  1    0.109062
   2    0.180636
   3   -0.094262
b  1   -1.942745
   2   -1.617368
   3    1.036303
c  1    0.106169
   2   -0.942343
d  2   -0.584220
   3   -3.495089
dtype: float64
'''

这样的一个数据集我们可以将它变得更加直观，将它变成只有一层索引的数据：

print data.unstack()
'''
输出结果为：
          1         2         3
a -0.391760  1.383009  0.275920
b  0.182211  0.601076 -1.354204
c  1.646033  0.180620       NaN
d       NaN -0.719814 -0.545921
'''

这样的变化是可逆的，我们同样可以将这样的一个数据重新逆转回去。

print data.unstack().stack()
'''
输出结果为：
a  1    0.109062
   2    0.180636
   3   -0.094262
b  1   -1.942745
   2   -1.617368
   3    1.036303
c  1    0.106169
   2   -0.942343
d  2   -0.584220
   3   -3.495089
dtype: float64
'''

我们不止可以在行索引上进行分层索引的这用操作，同样列索引也是可以进行的。

这种分层操作是存在一个分级顺序先后的问题，分级顺序我们可以通过swaplevel方法进行重定义

frame = DataFrame(np.arange(12).reshape((4,3)),
                  index=[['a','a','b','b'],[1,2,1,2]],
                  columns=[['Ohio','Ohio','Colorado'],
                           ['Green','Red','Green']])
frame.index.names=['key1','key2']
frame.columns.names = ['state','color']
print frame
'''
输出结果为：
state      Ohio     Colorado
color     Green Red    Green
key1 key2                   
a    1        0   1        2
     2        3   4        5
b    1        6   7        8
     2        9  10       11
'''
print frame.swaplevel('key1','key2')
'''
输出结果为：
state      Ohio     Colorado
color     Green Red    Green
key2 key1                   
1    a        0   1        2
2    a        3   4        5
1    b        6   7        8
2    b        9  10       11
'''

我们可以根据对索引进行的分级进行汇总统计

print frame.sum(level='key2')
'''
输出结果为：
state  Ohio     Colorado
color Green Red    Green
key2                    
1         6   8       10
2        12  14       16
'''

DataFrame的set_index函数会将其一个或多个列转换为行索引，并创建一个新的DataFrame,这个方法可以指定多个列为索引，这样就会生成一个多层索引的DataFrame，默认情况下被指定的列都会被删除，但是我们可以通过drop=False参数将列保存下来。

整数索引对于DataFrame一般是有歧义的一般不要使用，如果需要的话索引时可以使用ix方法直接进行切片，或者是直接使用irow直接指定是第几行(行号从0开始)

至此pandas库中对数据进行操作的常用方法和思路基本写完。