【Python數據分析之pandas06】層次化索引

層次化索引

    Pandas層次化索引將對象的索引分層，以便調用。

s1 = pd.Series(range(1,11),index=[['a','a','a','b','b','b','c','c','d','d'],[1,2,3,1,2,3,1,2,2,3]])
s1

'''
a  1     1
   2     2
   3     3
b  1     4
   2     5
   3     6
c  1     7
   2     8
d  2     9
   3    10
dtype: int64
'''

    顯然地，s1由兩層索引，這樣一來，我們可以很方便的訪問它的子集：

s1['a']
'''
1    1
2    2
3    3
dtype: int64
'''

    甚至可以從內層索取：

s1[:,2]
'''
a    2
b    5
c    8
d    9
dtype: int64
'''

    DataFrame中，每條軸都可以有分層索引:

df = pd.DataFrame(np.arange(12).reshape((4,3)),
                 index=[['a','a','b','b'],[1,2,1,2]],
                 columns=[['one','one','two'],['first','second','second']])
print(df)

'''
    one           two
    first second second
a 1     0      1      2
  2     3      4      5
b 1     6      7      8
  2     9     10     11
'''

    我們也可以選取列分組：

print(df['one'])
'''
    first  second
a 1      0       1
  2      3       4
b 1      6       7
  2      9      10

'''

    pandas可以給各層序列賦予名字：

df.index.names=['key1','key2']
df.columns.names=['C_number','O_number']
print(df)
'''
C_number    one           two
O_number  first second second
key1 key2                    
a    1        0      1      2
     2        3      4      5
b    1        6      7      8
     2        9     10     11

'''

    如果想要修改層次之間的關係(內變外，外變內)，採用swaplevel方法：

print(df.swaplevel('key1','key2'))
'''
C_number    one           two
O_number  first second second
key2 key1                    
1    a        0      1      2
2    a        3      4      5
1    b        6      7      8
2    b        9     10     11

'''