Pandas
中的索引操作非常灵活,功能非常强大。学会他的索引操作能帮助我们更好的处理数据。下面来对索引进行讲解。
一、索引类型:
不管是 Series
还是 DataFrame
,索引对象的类型都是 Index
或者其子类。我们可以通过以下代码查看:
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(4,4))
print(type(df.index))
print(type(df.columns))
输出结果为:
RangeIndex(start=0, stop=4, step=1)
RangeIndex(start=0, stop=4, step=1)
可以看到行和列的类型,都是 RangeIndex
类型。 RangeIndex
属于 Index
的子类。当然我们也可以直接通过显示创建 Index
的方式,修改 df
的 index
和 columns
,示例代码如下:
输出结果为:
abcdA0.2749630.0844070.1578350.797312B0.0908300.5122630.4193730.466661C0.9030840.3676360.2197190.258690D0.0092050.6316680.4954820.316959
常用的 Index
类型还有以下。
区间索引,用法与Python中的 range
函数类似,可以指定 start
、 stop
、 step
参数。示例代码如下:
df.index = pd.RangeIndex(start=1, stop=9, step=2)
数值类型的索引,包括有浮点类型的 Float64Index
、整形的 Int64Index
、无符号整形的 UInt64Index
、序列类型的 RangeIndex
。他们的用法如下:
浮点类型
>>> pd.Float64Index([1,2,3,4])
Float64Index([1.0, 2.0, 3.0, 4.0], dtype="float64")
整数
>>> pd.Int64Index([1,2,3,4])
Int64Index([1, 2, 3, 4], dtype="int64")
无符号整数
>>> pd.UInt64Index([1,2,3,4])
UInt64Index([1, 2, 3, 4], dtype="uint64")
其中 Float64Index
、 Int64Index
、 UInt64Index
在 Pandas 2.0
版本中会被移除,统一使用 NumericIndex
代替。
分类索引,索引的值只能是指定分类的。否则会用NAN来代替。示例代码如下:
>>> df.index = pd.CategoricalIndex(list("ABCD"),categories=list("ABCD"))
输出结果为:
a b c d
A 0.274963 0.084407 0.157835 0.797312
B 0.090830 0.512263 0.419373 0.466661
C 0.903084 0.367636 0.219719 0.258690
D 0.009205 0.631668 0.495482 0.316959
如果将索引值修改为 list("ABCE")
,因为 E
不在 categories
参数指定的范围内,因此会用NAN来代替。
df.index = pd.CategoricalIndex(list("ABCE"),categories=list("ABCD"))
输出结果为:
a b c d
A 0.274963 0.084407 0.157835 0.797312
B 0.090830 0.512263 0.419373 0.466661
C 0.903084 0.367636 0.219719 0.258690
NaN 0.009205 0.631668 0.495482 0.316959
关于 CategoricalIndex
的更多用法请参考官方文档:https://pandas.pydata.org/docs/reference/api/pandas.CategoricalIndex.html
间隔索引,索引的值为一个区间,可以通过 pd.interval_range
函数创建。示例代码如下:
df.index = pd.interval_range(start=0, end=4)
输出结果为:
a b c d
(0, 1] 0.274963 0.084407 0.157835 0.797312
(1, 2] 0.090830 0.512263 0.419373 0.466661
(2, 3] 0.903084 0.367636 0.219719 0.258690
(3, 4] 0.009205 0.631668 0.495482 0.316959
interval_range
函数的 start
和 end
参数,也可以为 datetime
类型,并且还可以通过 periods
参数指定区间的个数。示例代码如下:
from datetime import datetime
pd.interval_range(start=datetime(year=2022, month=1, day=1), end=datetime(year=2022, month=1, day=31), periods=4)
输出结果如下:
IntervalIndex([(2022-01-01, 2022-01-11], (2022-01-11, 2022-01-21], (2022-01-21, 2022-01-31]],
closed='right',
dtype='interval[datetime64[ns]]')
关于更多 interval_range
和 IntervalIndex
的用法,请参考官方文档:
日期时间索引,可以通过 pd.date_range
函数创建。示例代码如下:
df.index = pd.date_range("2022-01-01", periods=4, freq="Y")
输出结果为:
a b c d
2022-12-31 0.274963 0.084407 0.157835 0.797312
2023-12-31 0.090830 0.512263 0.419373 0.466661
2024-12-31 0.903084 0.367636 0.219719 0.258690
2025-12-31 0.009205 0.631668 0.495482 0.316959
其中 freq
参数默认是 D
,也就是天,也可以选择日,时分秒等。以下链接可以查看所有的选择:https://pandas.pydata.org/docs/user_guide/timeseries.html#timeseries-offset-aliases
关于 date_range
与 DatetimeIndex
的更多用法请参考官方文档:
时间间隔索引。可以通过 pd.TimedeltaIndex
创建。示例代码如下:
df.index = pd.TimedeltaIndex([12,24,36,48], unit="m")
输出结果为:
a b c d
0 days 00:12:00 0.274963 0.084407 0.157835 0.797312
0 days 00:24:00 0.090830 0.512263 0.419373 0.466661
0 days 00:36:00 0.903084 0.367636 0.219719 0.258690
0 days 00:48:00 0.009205 0.631668 0.495482 0.316959
以上便是常用的索引类型。索引类型有一个特点, 一旦索引被创建后,将无法进行修改。 示例代码如下:
df.index[0] = 2
执行上述代码,将会抛出类似以下的错误信息:
TypeError: Index does not support mutable operations
关于 TimedeltaIndex
的更多用法请参考官方文档:https://pandas.pydata.org/docs/reference/api/pandas.TimedeltaIndex.html
二、Series索引:
在创建 Series
对象的时候,默认的索引值是0-N,我们也可以通过 index
参数单独设置。示例代码如下:
series = pd.Series(range(5), index = ['a', 'b', 'c', 'd', 'e'])
print(series.head())
输出结果为:
a 0
b 1
c 2
d 3
e 4
dtype: int64
因为在 Series
中,只有一列,因此不存在列索引。行索引可以通过索引名称获取,也可以通过索引下标获取。示例代码如下:
series = pd.Series(range(0, 10, 2), index = ['a', 'b', 'c', 'd', 'e'])
print(series)
print(series['a'])
print(series[1])
输出结果为:
a 0
b 2
c 4
d 6
e 8
dtype: int64
0
2
如果索引是时间类型,则通过时间字符串即可获取到。示例代码如下:
series = pd.Series(range(2, 12, 2))
series.index = pd.date_range("2022-01-01", periods=5, freq="H")
print(series)
print(series["2022-01-01 00:00:00"])
输出结果如下:
2022-01-01 00:00:00 2
2022-01-01 01:00:00 4
2022-01-01 02:00:00 6
2022-01-01 03:00:00 8
2022-01-01 04:00:00 10
Freq: H, dtype: int64
2
索引也可以类似使用列表的切片方式来提取。切片可以是索引名称,也可以是序号。示例代码如下:
import pandas as pd
persons = ['张三','李四','王五']
series = pd.Series(persons, index=list("ABC"))
根据索引名切片
print(series["A":"B"])
根据索引序号切片
print(series[0:2])
以上两个输出结果都为:
A 张三
B 李四
dtype: object
可以注意到,如果用索引名称进行切片,那么会包含终止索引的。
之前通过切片可以一次性获取多个索引的值,也可以直接指定具体几个位置的索引。示例代码如下:
import pandas as pd
persons = ['张三','李四','王五','赵六']
series = pd.Series(persons, index=list("ABCD"))
获取索引下标为0和2的元素
print(series[[0,2]])
获取索引名称为A和C的元素
print(series[["A","C"]])
以上两个print语句的代码执行结果如下:
A 张三
C 王五
dtype: object
布尔索引,就是提供条件,选择满足条件的值出来。示例代码如下:
import pandas as pd
persons = [18,20,39,45]
series = pd.Series(persons, index=['张三','李四','王五','赵六'])
选择值大于20的所有元素
print(series[series>20])
输出结果如下:
王五 39
赵六 45
dtype: int64
三、DataFrame索引:
创建 DataFrame
的时候,可以指定行索引和列索引,示例代码如下:
import numpy as np
df = pd.DataFrame(np.random.randn(5,4), columns = ['a', 'b', 'c', 'd'], index=["11","22","33","44","55"])
print(df)
输出结果如下:
a b c d
11 0.963458 1.896413 0.042990 -0.582146
22 -1.764354 -1.529342 -0.430965 -0.215617
33 0.356744 -0.729001 -0.543932 0.852026
44 0.488031 0.459878 -0.577119 0.961865
55 -0.808639 0.925949 -1.333124 0.526995
下面我们将使用以上的 df
对象进行讲解。
DataFrame
中包含列索引,可以通过以下方式来获取列索引的数据:
只获取一列,返回series类型
print(df["a"])
获取多列,返回DataFrame类型
print(df[["a", "b"]])
Series
通过 []
来获取行索引,而 DataFrame
通过 []
获取的是列索引。如果想要获取行索引,则需要通过 loc
或者 iloc
属性来实现, loc
与 iloc
的区别是, loc
是通过名称获取,而 iloc
是通过索引下标获取。
loc
的除了能获取行索引外,还可以获取列索引。 .loc[row, col]
的第二个参数即是获取列索引。示例代码如下:
获取行索引中11:33,"a"列的数据
df.loc["11":"33", "a"]
获取行索引中"11"和"a":"c"列的数据
df.loc["11", "a":"b"]
获取行索引中"11","33",和列索引中"a","c"列的数据
df.loc[["11", "33"], ["a", "b"]]
获取"a"列的所有数据
df.loc[:,"a"]
获取'11'行中的所有列
df.loc['11', :]
作用和 loc
一样,区别是通过索引下标来实现的。示例代码如下:
获取第1-2行的所有列
df.iloc[1:3]
获取第1,3行的所有列
df.iloc[[1,3]]
获取第1行的第1-3列
df.iloc[1, 1:4]
四、重置索引
在 Pandas
中重置索引有三种方法,分别是 set_index
、 reset_index
以及 reindex
以及直接修改 index
属性。我们使用以下测试数据来作为讲解。
df = pd.DataFrame({'month': [1, 4, 7, 10],
'year': [2012, 2014, 2013, 2014],
'sale':[55, 40, 84, 31]})
输出结果如下:
monthyearsale012012551420144027201384310201431
如果在想使用某列作为 DataFrame
的索引,那么可以使用 set_index(keys, drop=True)
来实现。其中 keys
是用于设置索引列的名称或者列表, drop
代表是否要删除作为索引的列。 这个方法不会修改原始DataFrame对象。 示例代码如下:
df.set_index("month")
输出结果如下:
year sale
month
1 2012 55
4 2014 40
7 2013 84
10 2014 31
应用场景: 需要将 DataFrame
中某列或多列设置为索引的情况下使用。
重新设置新的下标索引。使用 reset_index(drop=False)
来实现。 drop
代表是否删除原始索引。 这个方法不会修改原始DataFrame对象。 示例代码如下:
df.reset_index()
输出结果如下:
month year sale
0 1 2012 55
1 4 2014 40
2 7 2013 84
3 10 2014 31
应用场景: 重新生成新的下标索引。
在即不使用原有列作为索引,以及不使用新的下标索引的时候。可以使用 reindex
重新指定新的索引。 这个方法不会修改原始DataFrame对象。 使用 reindex
有以下特点。
示例代码如下:
1. 添加新的索引
df.reindex([0,1,2,3,4])
2. 删除某个索引的行
df.reindex([0,2,3])
3. 修改索引顺序
df.reindex([2,3,1,0])
应用场景: 设置新的索引、修改索引顺序、删除某些索引。
直接修改 index
属性也可以实现修改索引的目的,但是他有一个限制,就是新索引的数量,必须和原索引数量一致,否则会报错。 这个方法会修改原始DataFrame对象。 示例代码如下:
df.index = ['a', 'b', 'c', 'd' ]
还有一个需要注意的是,这种方法会直接修改原始 DataFrame
对象。
应用场景: 需要修改原始 DataFrame
对象的索引值。
Original: https://blog.csdn.net/qq_41404557/article/details/125898442
Author: Begin to change
Title: Pandas索引操作
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/737821/
转载文章受原作者版权保护。转载请注明原作者出处!