pandas索引的設置與修改

公衆號：尤而小屋
作者：Peter
編輯：Peter

大家好，我是Peter~

本文主要是介紹Pandas中行和列索引的4個函數操作：

• set_index
• reset_index
• set_axis
• rename

[圖片上傳失敗...(image-cd4552-1650125292352)]

創建索引

快速回顧下Pandas創建索引的常見方法：

pd.Index

In [1]:

import pandas as pd
import numpy as np

In [2]:

# 指定類型和名稱

s1 = pd.Index([1,2,3,4,5,6,7], 
         dtype="int",
         name="Peter")

s1

Out[2]:

Int64Index([1, 2, 3, 4, 5, 6, 7], dtype='int64', name='Peter')

pd.IntervalIndex

新的間隔索引 IntervalIndex 通常使用 interval_range()函數來進行構造，它使用的是數據或者數值區間，基本用法：

In [3]:

s2 = pd.interval_range(start=0, end=6, closed="left")
s2

Out[3]:

IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)],
              closed='left',
              dtype='interval[int64]')

pd.CategoricalIndex

In [4]:

s3 = pd.CategoricalIndex(
    # 待排序的數據
    ["S","M","L","XS","M","L","S","M","L","XL"],
    # 指定分類順序
    categories=["XS","S","M","L","XL"],
    # 排需
    ordered=True,
    # 索引名字
    name="category"
)

s3

Out[4]:

CategoricalIndex(['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'], 
                        categories=['XS', 'S', 'M', 'L', 'XL'], 
                        ordered=True, 
                        name='category', 
                        dtype='category')

pd.DatetimeIndex

以時間和日期作爲索引，通過date_range函數來生成，具體例子爲：

In [5]:

# 日期作爲索引，D代表天

s4 = pd.date_range("2022-01-01",periods=6, freq="D")
s4

Out[5]:

DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', 
                            '2022-01-04','2022-01-05', '2022-01-06'],
              dtype='datetime64[ns]', freq='D')

pd.PeriodIndex

pd.PeriodIndex是一個專門針對週期性數據的索引，方便針對具有一定週期的數據進行處理，具體用法如下：

In [6]:

s5 = pd.PeriodIndex(['2022-01-01', '2022-01-02', 
                                            '2022-01-03', '2022-01-04'], 
                                            freq = '2H')
s5

Out[6]:

PeriodIndex(['2022-01-01 00:00', '2022-01-02 00:00', 
                            '2022-01-03 00:00','2022-01-04 00:00'],
            dtype='period[2H]', freq='2H')

pd.TimedeltaIndex

In [7]:

data = pd.timedelta_range(start='1 day', end='3 days', freq='6H')
data

Out[7]:

TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
                '1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
                '2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
               dtype='timedelta64[ns]', freq='6H')

In [8]:

s6 = pd.TimedeltaIndex(data)
s6

Out[8]:

TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
                '1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
                '2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
               dtype='timedelta64[ns]', freq='6H')

讀取數據

下面通過一份 簡單的數據來講解4個函數的使用。數據如下：

[圖片上傳失敗...(image-3aca17-1650125292352)]

set_index

設置單層索引

In [10]:

# 設置單層索引

df1 = df.set_index("name")
df1

[圖片上傳失敗...(image-bfb6f-1650125292352)]

我們發現df1的索引已經變成了name字段的相關值。

下面是設置多層索引：

# 設置兩層索引

df2 = df.set_index(["sex","name"])
df2

[圖片上傳失敗...(image-9d4af3-1650125292352)]

reset_index

對索引的重置：

[圖片上傳失敗...(image-65ca91-1650125292352)]

針對多層索引的重置：

[圖片上傳失敗...(image-346967-1650125292352)]

多層索引直接原地修改：

[圖片上傳失敗...(image-7872da-1650125292352)]

set_axis

將指定的數據分配給所需要的軸axis。其中axis=0代表行方向，axis=1代表列方向。

兩種不同的寫法：

axis=0 等價於  axis="index"
axis=1 等價於  axis="columns"

操作行索引

[圖片上傳失敗...(image-f0a50b-1650125292352)]

使用 index 效果相同：

[圖片上傳失敗...(image-2db9bf-1650125292352)]

原來的df2是沒有改變的。如果我們想改變生效，同樣也可以直接原地修改：

[圖片上傳失敗...(image-ed363a-1650125292352)]

操作列索引

針對axis=1或者axis="columns"方向上的操作。

1、直接傳入我們需要修改的新名稱：

[圖片上傳失敗...(image-7bcc7d-1650125292352)]

使用axis="columns"效果相同：

[圖片上傳失敗...(image-a4d826-1650125292352)]

同樣也可以直接原地修改：

[圖片上傳失敗...(image-c4a86e-1650125292352)]

rename

給行索引或者列索引進行重命名，假設我們的原始數據如下：

[圖片上傳失敗...(image-a0b253-1650125292352)]

字典形式

1、通過傳入的一個或者多個屬性的字典形式進行修改：

In [29]:

# 修改單個列索引；非原地修改
df2.rename(columns={"Sex":"sex"})

[圖片上傳失敗...(image-4182d0-1650125292352)]

同時修改多個列屬性的名稱：

[圖片上傳失敗...(image-10ee4d-1650125292352)]

函數形式

2、通過傳入的函數進行修改：

In [31]:

# 傳入函數
df2.rename(str.upper, axis="columns")

[圖片上傳失敗...(image-e361db-1650125292352)]

也可以使用匿名函數lambda：

# 全部變成小寫
df2.rename(lambda x: x.lower(), axis="columns")

[圖片上傳失敗...(image-87745a-1650125292352)]

使用案例

In [33]:

在這裏我們使用的是可視化庫plotly_express庫中的自帶數據集tips：

import plotly_express as px

tips = px.data.tips()  
tips

[圖片上傳失敗...(image-33140a-1650125292352)]

按日統計總消費

In [34]:

df3 = tips.groupby("day")["total_bill"].sum()
df3

Out[34]:

day
Fri      325.88
Sat     1778.40
Sun     1627.16
Thur    1096.33
Name: total_bill, dtype: float64

In [35]:

我們發現df3其實是一個Series型的數據：

type(df3)   # Series型的數據

Out[35]:

pandas.core.series.Series

In [36]:

下面我們通過reset_index函數將其變成了DataFrame數據：

df4 = df3.reset_index()
df4

[圖片上傳失敗...(image-95459-1650125292352)]

我們把列方向上的索引重新命名下：

In [37]:

# 直接原地修改
df4.rename(columns={"day":"Day", "total_bill":"Amount"}, 
           inplace=True)

df4

[圖片上傳失敗...(image-110652-1650125292352)]

按日、性別統計小費均值，消費總和

In [38]:

df5 = tips.groupby(["day","sex"]).agg({"tip":"mean", "total_bill":"sum"})
df5

[圖片上傳失敗...(image-59dc42-1650125292352)]

我們發現df5是df5是一個具有多層索引的數據框：

In [39]:

type(df5)  

Out[39]:

pandas.core.frame.DataFrame

我們可以選擇重置其中一個索引：

[圖片上傳失敗...(image-793c4e-1650125292352)]

在重置索引的同時，直接丟棄原來的字段信息：下面的sex信息被刪除

In [41]:

df5.reset_index(["sex"],drop=True)  # 非原地修改

[圖片上傳失敗...(image-f47489-1650125292352)]

列方向上的索引直接原地修改：

df5.reset_index(inplace=True)  # 原地修改
df5 

[圖片上傳失敗...(image-3c482b-1650125292352)]

笨方法

最後介紹一個笨方法來修改列索引的名稱：就是將新的名稱通過列表的形式全部賦值給數據框的columns屬性

[圖片上傳失敗...(image-d313ca-1650125292353)]

在列索引個數少的時候用起來挺方便的，如果多了不建議使用。