快速認識Pandas的10大索引
公衆號：尤而小屋
作者：Peter
編輯：Peter
大家好，我是Peter~
今天給大家帶來一篇關於Pandas的基本文章：10種你必須掌握的Pandas索引。
索引在我們的日常生活中其實是很常見的，就像：
- 一本書有自己的目錄和具體的章節，當我們想找某個知識點，翻到對應的章節即可；
- 也像圖書館中的書籍被分類成文史類、技術類、小說類等，再加上書籍的編號，很快就能夠找到我們想要的書籍。
- 外出喫飯點菜的菜單，從主食類、飲料/湯類、涼菜類等，到具體的菜名等
上面不同的常用都可以看做是一個具體的索引應用。
因此，基於實際需求出發創建的索引對我們的業務工作具有很強的指導意義。在Pandas中創建合適的索引則能夠方便我們的數據處理工作。
[圖片上傳失敗...(image-3c3374-1648964038993)]
官網學習地址：https://pandas.pydata.org/docs/reference/api/pandas.Index.html
下面通過實際案例來介紹Pandas中常見的10種索引，以及如何創建它們。
pd.Index
Index是Pandas中的常見索引函數，通過它能夠構建各種類型的索引，其語法爲：
[圖片上傳失敗...(image-75d8bf-1648964038994)]
pandas.Index(
data=None, # 一維數組或者類似數組結構的數據
dtype=None, # NumPy數據類型(默認值：對象)
copy=False, # 是否生成副本
name=None, # 索引名字
tupleize_cols=True, # 如果爲True，則儘可能嘗試創建 MultiIndex
**kwargs
)
導入兩個必需的庫：
import pandas as pd
import numpy as np
默認的數據類型是int64
In [2]:
# 通過列表來創建
pd.Index([1,2,3,4])
Out[2]:
Int64Index([1, 2, 3, 4], dtype='int64')
在創建的時候，還能夠直接指定數據類型：
In [3]:
# 指定索引的數據類型
pd.Index([1,2,3,4], dtype="float64")
Out[3]:
Float64Index([1.0, 2.0, 3.0, 4.0], dtype='float64')
在創建的時候指定名稱name和數據類型dtype：
In [4]:
# 指定類型和名稱
pd.Index([1,2,3,4],
dtype="float64",
name="Peter")
Out[4]:
Float64Index([1.0, 2.0, 3.0, 4.0], dtype='float64', name='Peter')
In [5]:
# 使用list函數生成列表來創建
pd.Index(list("ABCD"))
Out[5]:
Index(['A', 'B', 'C', 'D'], dtype='object')
使用元組來進行創建：
In [6]:
# 使用元組來創建
pd.Index(("a","b","c","d"))
Out[6]:
Index(['a', 'b', 'c', 'd'], dtype='object')
使用集合來進行創建。集合本身是無序的，所以最終的結果並不一定是按照給定的元素順序：
In [7]:
# 使用集合來創建，集合本身是無序的
pd.Index({"x","y","z"})
Out[7]:
Index(['z', 'x', 'y'], dtype='object')
pd.RangeIndex
生成一個區間內的索引，主要是基於Python的range函數，其語法爲：
[圖片上傳失敗...(image-885b93-1648964038994)]
pandas.RangeIndex(
start=None, # 起始值，默認爲0
stop=None, # 終止值
step=None, # 步長，默認爲1
dtype=None, # 類型
copy=False, # 是否生成副本
name=None) # 名稱
下面通過多個例子來講解：
In [8]:
pd.RangeIndex(8) # 默認start是0，步長是1
默認結果中起始值是0，結束值是8（不包含），步長是1：
Out[8]:
RangeIndex(start=0, stop=8, step=1)
In [9]:
pd.RangeIndex(0,8) # 指定start和stop
Out[9]:
RangeIndex(start=0, stop=8, step=1)
改變步長爲2：
In [10]:
pd.RangeIndex(0,8,2)
Out[10]:
RangeIndex(start=0, stop=8, step=2)
In [11]:
list(pd.RangeIndex(0,8,2))
將結果用list顯示出來，沒有包含stop的值8：
Out[11]:
[0, 2, 4, 6]
下面的案例中將步長改成-1：
In [12]:
pd.RangeIndex(8,0,-1)
Out[12]:
RangeIndex(start=8, stop=0, step=-1)
In [13]:
list(pd.RangeIndex(8,0,-1))
Out[13]:
[8, 7, 6, 5, 4, 3, 2, 1] # 結果中不包含0
pd.Int64Index
指定數據類型是int64整型
pandas.Int64Index(
data=None, # 生成索引的數據
dtype=None, # 索引類型，默認是int64
copy=False, # 是否生成副本
name=None) # 使用名稱
In [14]:
pd.Int64Index([1,2,3,4])
Out[14]:
Int64Index([1, 2, 3, 4], dtype='int64')
In [15]:
pd.Int64Index([1,2.0,3,4]) # 強制轉成int64類型
Out[15]:
Int64Index([1, 2, 3, 4], dtype='int64')
In [16]:
pd.Int64Index([1,2,3,4],name="Peter")
Out[16]:
Int64Index([1, 2, 3, 4], dtype='int64', name='Peter')
如果在數據中包含小數則會報錯：
In [17]:
# pd.Int64Index([1,2,3,4.4]) # 出現小數則報錯
[圖片上傳失敗...(image-323e31-1648964038994)]
pd.UInt64Index
數據類型是無符號的UInt64
pandas.UInt64Index(
data=None,
dtype=None,
copy=False,
name=None
)
In [18]:
pd.UInt64Index([1, 2, 3, 4])
Out[18]:
UInt64Index([1, 2, 3, 4], dtype='uint64')
In [19]:
pd.UInt64Index([1, 2, 3, 4],name="Tom") # 指定名字
Out[19]:
UInt64Index([1, 2, 3, 4], dtype='uint64', name='Tom')
In [20]:
pd.UInt64Index([1, 2.0, 3, 4],name="Tom")
Out[20]:
UInt64Index([1, 2, 3, 4], dtype='uint64', name='Tom')
# 存在小數則報錯
pd.UInt64Index([1, 2.4, 3, 4],name="Tom")
[圖片上傳失敗...(image-991b2e-1648964038994)]
pd.Float64Index
數據類型是Float64位的浮點型，允許小數出現：
pandas.Float64Index(
data=None, # 數據
dtype=None, # 類型
copy=False, # 是否生成副本
name=None # 索引名字
)
In [22]:
pd.Float64Index([1, 2, 3, 4])
Out[22]:
Float64Index([1.0, 2.0, 3.0, 4.0], dtype='float64')
In [23]:
pd.Float64Index([1.5, 2.4, 3.7, 4.9])
Out[23]:
Float64Index([1.5, 2.4, 3.7, 4.9], dtype='float64')
In [24]:
pd.Float64Index([1.5, 2.4, 3.7, 4.9],name="peter")
Out[24]:
Float64Index([1.5, 2.4, 3.7, 4.9], dtype='float64', name='peter')
注意：在Pandas1.4.0的版本中，上面3個函數全部統一成了pd.NumericIndex方法。
pd.IntervalIndex
pd.IntervalIndex(
data, # 待生成索引的數據（一維）
closed=None, # 區間的哪邊是關閉狀態，{‘left’, ‘right’, ‘both’, ‘neither’}, default ‘right’
dtype=None, # 數據類型
copy=False, # 生成副本
name=None, # 索引的名字
verify_integrity=True # 判斷是否符合
)
新的 IntervalIndex 通常使用interval_range()函數來進行構造，基本用法：
In [24]:
pd.interval_range(start=0, end=6)
Out[24]:
IntervalIndex([(0, 1], (1, 2], (2, 3], (3, 4], (4, 5], (5, 6]],
closed='right', # 默認情況下右邊是關閉的
dtype='interval[int64]')
In [25]:
pd.interval_range(start=0, end=6, closed="neither") # 兩邊都不關閉
Out[25]:
IntervalIndex([(0, 1), (1, 2), (2, 3), (3, 4), (4, 5), (5, 6)],
closed='neither',
dtype='interval[int64]')
In [26]:
pd.interval_range(start=0, end=6, closed="both") # 兩邊都關閉
Out[26]:
IntervalIndex([[0, 1], [1, 2], [2, 3], [3, 4], [4, 5], [5, 6]],
closed='both',
dtype='interval[int64]')
In [27]:
pd.interval_range(start=0, end=6, closed="left") # 左邊關閉
Out[27]:
IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)],
closed='left',
dtype='interval[int64]')
In [28]:
pd.interval_range(start=0, end=6, name="peter")
Out[28]:
IntervalIndex([(0, 1], (1, 2], (2, 3], (3, 4], (4, 5], (5, 6]],
closed='right',
name='peter',
dtype='interval[int64]')
pd.CategoricalIndex
pandas.CategoricalIndex(
data=None, # 數據
categories=None, # 分類的數據
ordered=None, # 是否排序
dtype=None, # 數據類型
copy=False, # 副本
name=None) # 名字
在下面的例子中我們以一批衣服的尺碼作爲模擬數據：
In [29]:
# 指定數據
c1 = pd.CategoricalIndex(["S","M","L","XS","M","L","S","M","L","XL"])
c1
Out[29]:
CategoricalIndex(
# 數據
['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'],
# 出現的不同元素
categories=['L', 'M', 'S', 'XL', 'XS'],
# 默認不排序
ordered=False,
# 數據類型
dtype='category'
)
In [30]:
c2 = pd.CategoricalIndex(
["S","M","L","XS","M","L","S","M","L","XL"],
# 指定分類的數據
categories=["XS","S","M","L","XL"]
)
c2
Out[30]:
CategoricalIndex(
['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'],
categories=['XS', 'S', 'M', 'L', 'XL'],
ordered=False,
dtype='category'
)
In [31]:
c3 = pd.CategoricalIndex(
# 數據
["S","M","L","XS","M","L","S","M","L","XL"],
# 分類名字
categories=["XS","S","M","L","XL"],
# 確定排序
ordered=True
)
c3
Out[31]:
CategoricalIndex(
['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'],
categories=['XS', 'S', 'M', 'L', 'XL'],
ordered=True, # 已經排序
dtype='category')
In [32]:
c4 = 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"],
# 排序
ordered=True,
# 索引名字
name="category"
)
c4
Out[32]:
CategoricalIndex(
['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'],
categories=['XS', 'S', 'M', 'L', 'XL'],
ordered=True,
name='category',
dtype='category'
)
CategoricalIndex 索引對象也可以從 Categorical() 方法進行實例化得到：
In [33]:
c5 = pd.Categorical(["a", "b", "c", "c", "b", "c", "a"])
pd.CategoricalIndex(c5)
Out[33]:
CategoricalIndex(
['a', 'b', 'c', 'c', 'b', 'c', 'a'],
categories=['a', 'b', 'c'],
ordered=False, # 默認不排序
dtype='category')
In [34]:
pd.CategoricalIndex(c5, ordered=True) # 指定排序
Out[34]:
CategoricalIndex(
['a', 'b', 'c', 'c', 'b', 'c', 'a'],
categories=['a', 'b', 'c'],
ordered=True, # 排序
dtype='category')
pd.DatetimeIndex
以時間和日期作爲索引，通過date_range函數來生成，具體語法爲：
pd.DatetimeIndex(
data=None, # 數據
freq=NoDefault.no_default, # 頻率
tz=None, # 時區
normalize=False, # 是否歸一化
closed=None, # 區間是否關閉
# ‘infer’, bool-ndarray, ‘NaT’, 默認‘raise’
ambiguous='raise',
dayfirst=False, # 第一天
yearfirst=False, # 第一年
dtype=None, # 數據類型
copy=False, # 副本
name=None # 名字
)
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 [35]:
# 默認天爲頻率
pd.date_range("2022-01-01",periods=6)
Out[35]:
DatetimeIndex(
['2022-01-01', '2022-01-02',
'2022-01-03', '2022-01-04',
'2022-01-05', '2022-01-06'],
dtype='datetime64[ns]',
freq='D' # 頻率
)
In [36]:
# 日期作爲索引，D代表天
d1 = pd.date_range(
"2022-01-01",
periods=6,
freq="D")
d1
Out[36]:
DatetimeIndex(
['2022-01-01', '2022-01-02',
'2022-01-03', '2022-01-04',
'2022-01-05', '2022-01-06'],
dtype='datetime64[ns]',
freq='D')
In [37]:
# H代表小時
pd.date_range("2022-01-01",periods=6, freq="H")
Out[37]:
DatetimeIndex(
['2022-01-01 00:00:00', '2022-01-01 01:00:00',
'2022-01-01 02:00:00', '2022-01-01 03:00:00',
'2022-01-01 04:00:00', '2022-01-01 05:00:00'],
dtype='datetime64[ns]',
freq='H')
In [38]:
# M代表月
pd.date_range("2022-01-01",periods=6, freq="3M")
Out[38]:
DatetimeIndex(
['2022-01-31', '2022-04-30',
'2022-07-31','2022-10-31',
'2023-01-31', '2023-04-30'],
dtype='datetime64[ns]',
freq='3M')
In [39]:
# Q代表季度
pd.date_range("2022-01-01",periods=6, freq="Q")
顯示的結果中以一個季度-3個月爲頻率：
Out[39]:
DatetimeIndex(
['2022-03-31', '2022-06-30',
'2022-09-30','2022-12-31',
'2023-03-31', '2023-06-30'],
dtype='datetime64[ns]',
freq='Q-DEC')
In [40]:
# 指定時區tz
pd.date_range("2022-01-01",periods=6, tz="Asia/Calcutta")
Out[40]:
DatetimeIndex(
['2022-01-01 00:00:00+05:30', '2022-01-02 00:00:00+05:30',
'2022-01-03 00:00:00+05:30', '2022-01-04 00:00:00+05:30',
'2022-01-05 00:00:00+05:30', '2022-01-06 00:00:00+05:30'],
dtype='datetime64[ns, Asia/Calcutta]', 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：
pd.PeriodIndex(
data=None, # 數據
ordinal=None, # 序數
freq=None, # 頻率
dtype=None, # 數據類型
copy=False, # 副本
name=None, # 名字
**fields
)
生成pd.PeriodIndex對象的方式1：指定開始時間、週期頻率
In [41]:
pd.period_range('2022-01-01 09:00', periods=5, freq='H')
Out[41]:
PeriodIndex(
['2022-01-01 09:00', '2022-01-01 10:00',
'2022-01-01 11:00','2022-01-01 12:00', '2022-01-01 13:00'],
dtype='period[H]', freq='H')
In [42]:
pd.period_range('2022-01-01 09:00', periods=6, freq='2D')
Out[42]:
PeriodIndex(
['2022-01-01', '2022-01-03',
'2022-01-05', '2022-01-07',
'2022-01-09', '2022-01-11'],
dtype='period[2D]',
freq='2D')
In [43]:
pd.period_range('2022-01', periods=5, freq='M')
Out[43]:
PeriodIndex(
['2022-01', '2022-02',
'2022-03', '2022-04', '2022-05'],
dtype='period[M]', freq='M')
In [44]:
p1 = pd.DataFrame(
{"name":["xiaoming","xiaohong","Peter","Mike","Jimmy"]},
# 指定索引
index=pd.period_range('2022-01-01 09:00', periods=5, freq='3H')
)
p1
[圖片上傳失敗...(image-cc4586-1648964038994)]
生成pd.PeriodIndex對象的方式2：直接使用pd.PeriodIndex方法
In [45]:
pd.PeriodIndex(
['2022-01-01', '2022-01-02',
'2022-01-03', '2022-01-04'],
freq = '2H')
Out[45]:
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')
In [46]:
pd.PeriodIndex(
['2022-01', '2022-02',
'2022-03', '2022-04'],
freq = 'M')
Out[46]:
PeriodIndex(
['2022-01', '2022-02',
'2022-03', '2022-04'],
dtype='period[M]',
freq='M')
In [47]:
pd.PeriodIndex(['2022-01', '2022-07'], freq = 'Q')
Out[47]:
PeriodIndex(
['2022Q1', '2022Q3'],
dtype='period[Q-DEC]',
freq='Q-DEC')
生成pd.PeriodIndex對象的方式3：利用date_range函數先生成DatetimeIndex對象
In [48]:
data = pd.date_range("2022-01-01",periods=6)
data
Out[48]:
DatetimeIndex(
['2022-01-01', '2022-01-02',
'2022-01-03', '2022-01-04',
'2022-01-05', '2022-01-06'],
dtype='datetime64[ns]',
freq='D')
In [49]:
pd.PeriodIndex(data=data)
Out[49]:
PeriodIndex(
['2022-01-01', '2022-01-02',
'2022-01-03', '2022-01-04',
'2022-01-05', '2022-01-06'],
dtype='period[D]', freq='D')
In [50]:
p2 = pd.DataFrame(np.random.randn(400, 1),
columns=['number'],
# 指定索引
index=pd.period_range('2021-01-01 8:00',
periods=400,
freq='D'))
p2
[圖片上傳失敗...(image-5d97ea-1648964038995)]
pd.TimedeltaIndex
pd.TimedeltaIndex(
data=None, # 數據
unit=None, # 最小單元
freq=NoDefault.no_default, # 頻率
closed=None, # 指定關閉的位置
dtype=dtype('<m8[ns]'), # 數據類型
copy=False, # 副本
name=None # 名字
)
創建方式1：指定數據和最小單元
In [51]:
pd.TimedeltaIndex([12, 24, 36, 48], unit='s')
Out[51]:
TimedeltaIndex(
['0 days 00:00:12', '0 days 00:00:24',
'0 days 00:00:36','0 days 00:00:48'],
dtype='timedelta64[ns]',
freq=None)
In [52]:
pd.TimedeltaIndex([1, 2, 3, 4], unit='h') # 按小時
Out[52]:
TimedeltaIndex(
['0 days 01:00:00', '0 days 02:00:00',
'0 days 03:00:00','0 days 04:00:00'],
dtype='timedelta64[ns]',
freq=None)
In [53]:
pd.TimedeltaIndex([12, 24, 36, 48], unit='h')
Out[53]:
TimedeltaIndex(
['0 days 12:00:00', '1 days 00:00:00',
'1 days 12:00:00','2 days 00:00:00'],
dtype='timedelta64[ns]', # 數據類型
freq=None)
In [54]:
pd.TimedeltaIndex([12, 24, 36, 48], unit='D')
Out[54]:
TimedeltaIndex(
['12 days', '24 days', '36 days', '48 days'],
dtype='timedelta64[ns]', freq=None)
創建方式2：通過timedelta_range函數來間接生成
In [55]:
data1 = pd.timedelta_range(start='1 day', periods=4)
data1
Out[55]:
TimedeltaIndex(['1 days', '2 days', '3 days', '4 days'], dtype='timedelta64[ns]', freq='D')
In [56]:
pt1 = pd.TimedeltaIndex(data1)
pt1
Out[56]:
TimedeltaIndex(
['1 days', '2 days', '3 days', '4 days'],
dtype='timedelta64[ns]', freq='D')
In [57]:
data2 = pd.timedelta_range(start='1 day', end='3 days', freq='6H')
data2
Out[57]:
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 [58]:
pt2 = pd.TimedeltaIndex(data2)
pt2
Out[58]:
[圖片上傳失敗...(image-57e0f5-1648964038995)]