公衆號：尤而小屋
作者：Peter
編輯：Peter
大家好，我是Peter~
本文主要是記錄Pandas中單層索引的一些基本操作。
[圖片上傳失敗...(image-ce5150-1649952107102)]
10種索引
下面簡單回顧下之前學習創建的10種索引：
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.RangeIndex
指定整數範圍內的不可變索引
In [3]:
s2 = pd.RangeIndex(0,20,2)
s2
Out[3]:
RangeIndex(start=0, stop=20, step=2)
pd.Int64Index
64位整數型索引
In [4]:
s3 = pd.Int64Index([1,2,3,4,5,6,7,8],name="Peter")
s3
Out[4]:
Int64Index([1, 2, 3, 4, 5, 6, 7, 8], dtype='int64', name='Peter')
pd.UInt64Index
無符號整數索引
In [5]:
s4 = pd.UInt64Index([1, 2.0, 3, 4],name="Tom")
s4
Out[5]:
UInt64Index([1, 2, 3, 4], dtype='uint64', name='Tom')
pd.Float64Index
64位浮點型的索引
In [6]:
s5 = pd.Float64Index([1.5, 2.4, 3.7, 4.9],name="peter")
s5
Out[6]:
Float64Index([1.5, 2.4, 3.7, 4.9], dtype='float64', 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 [7]:
s6 = pd.interval_range(start=0, end=6, closed="left")
s6
Out[7]:
IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)],
closed='left',
dtype='interval[int64]')
pd.CategoricalIndex
In [8]:
s7 = 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"
)
s7
Out[8]:
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 [9]:
# 日期作爲索引，D代表天
s8 = pd.date_range("2022-01-01",periods=6, freq="D")
s8
Out[9]:
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 [10]:
s9 = pd.PeriodIndex(['2022-01-01', '2022-01-02',
'2022-01-03', '2022-01-04'],
freq = '2H')
s9
Out[10]:
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 [11]:
data = pd.timedelta_range(start='1 day', end='3 days', freq='6H')
data
Out[11]:
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 [12]:
s10 = pd.TimedeltaIndex(data)
s10
Out[12]:
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')
操作1：讀取文件時自動生成索引
默認情況下，pandas以0到 len(df)-1 的自然數爲索引
In [13]:
df = pd.read_csv("student.csv")
df
[圖片上傳失敗...(image-7b0f2f-1649952107103)]
df.index
RangeIndex(start=0, stop=4, step=1)
我們可以指定某個字段作爲索引：
操作2：讀取數據時指定索引
在讀取文件的時候可以指定一個或者多個字段作爲索引：
In [15]:
df1 = pd.read_csv("student.csv", index_col="name") # 指定單個字段作爲索引
df1
[圖片上傳失敗...(image-2744ad-1649952107103)]
# 除了直接指定列名，還可以根據列名的索引：name-0 sex-1
pd.read_csv("student.csv", index_col=0)
[圖片上傳失敗...(image-9cdf4f-1649952107103)]
我們查看具體的索引：
In [17]:
df1.index
Out[17]:
Index(['xiaoming', 'xiaozhou', 'peter', 'mike'], dtype='object', name='name')
同時指定多個字段作爲索引：
In [18]:
df2 = pd.read_csv("student.csv", index_col=["name","sex"])
df2
[圖片上傳失敗...(image-c64e6e-1649952107103)]
我們發現此時數據框df2的索引是一個多層索引MultiIndex
In [20]:
df2.index
Out[20]:
MultiIndex([('xiaoming', 'male'),
('xiaozhou', 'female'),
( 'peter', 'male'),
( 'mike', 'male')],
names=['name', 'sex'])
操作3：指定索引set_index
在讀取之後可以指定字段作爲索引
指定單個索引
[圖片上傳失敗...(image-ce1873-1649952107103)]
比如，我們把name字段作爲索引：使用的是set_index函數
In [23]:
df.set_index("name")
[圖片上傳失敗...(image-d6c74b-1649952107103)]
我們發現原始的df是沒有變化的：
[圖片上傳失敗...(image-a9b703-1649952107103)]
如果想直接改變df，有兩種方法：
1、賦值法
通過對比賦值前後df的id，我們發現它們是不同的：
[圖片上傳失敗...(image-b6f7e1-1649952107103)]
在Python內部其實創建了兩個不同的對象，開闢了不同的內存地址，只不過對象的剛好都是df而已
2、原地修改
第二種方法是通過set_index的inplace參數，原地修改df：
In [28]:
id(df) # 改變前
Out[28]:
4633094992
In [29]:
df.set_index("name",inplace=True) # 原地修改
In [30]:
id(df) # 改變後
Out[30]:
4633094992
我們發現：修改後df和原來是一樣的
指定多個索引
1、賦值改變
[圖片上傳失敗...(image-83caaf-1649952107103)]
2、原地修改
[圖片上傳失敗...(image-93910-1649952107103)]
指定Series數據爲索引
[圖片上傳失敗...(image-d16bd0-1649952107103)]
[圖片上傳失敗...(image-8c59cc-1649952107103)]
其他操作
原來的列字段仍然保存：
[圖片上傳失敗...(image-1bcfe8-1649952107103)]
原來的索引仍然保留：
[圖片上傳失敗...(image-c70a52-1649952107103)]