pandas索引的设置与修改

这篇具有很好参考价值的文章主要介绍了pandas索引的设置与修改。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

公众号:尤而小屋
作者:Peter
编辑:Peter

大家好,我是Peter~

本文主要是介绍Pandas中行和列索引的4个函数操作:

  • set_index
  • reset_index
  • set_axis
  • rename

pandas索引的设置与修改

创建索引

快速回顾下Pandas创建索引的常见方法:

pd.Index

In [1]:

import pandas as pd
import numpy as np

In [2]:

# 指定类型和名称

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

新的间隔索引 IntervalIndex 通常使用 interval_range()函数来进行构造,它使用的是数据或者数值区间,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(
    # 待排序的数据
    ["S","M","L","XS","M","L","S","M","L","XL"],
    # 指定分类顺序
    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

以时间和日期作为索引,通过date_range函数来生成,具体例子为:

In [5]:

# 日期作为索引,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是一个专门针对周期性数据的索引,方便针对具有一定周期的数据进行处理,具体用法如下:

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')

读取数据

下面通过一份 简单的数据来讲解4个函数的使用。数据如下:

pandas索引的设置与修改

set_index

设置单层索引

In [10]:

# 设置单层索引

df1 = df.set_index("name")
df1

pandas索引的设置与修改

我们发现df1的索引已经变成了name字段的相关值。

下面是设置多层索引:

# 设置两层索引

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

pandas索引的设置与修改

reset_index

对索引的重置:

pandas索引的设置与修改

针对多层索引的重置:

pandas索引的设置与修改

多层索引直接原地修改:

pandas索引的设置与修改

set_axis

将指定的数据分配给所需要的轴axis。其中axis=0代表行方向,axis=1代表列方向。

两种不同的写法:

axis=0 等价于  axis="index"
axis=1 等价于  axis="columns"

操作行索引

pandas索引的设置与修改

使用 index 效果相同:

pandas索引的设置与修改

原来的df2是没有改变的。如果我们想改变生效,同样也可以直接原地修改:

pandas索引的设置与修改

操作列索引

针对axis=1或者axis="columns"方向上的操作。

1、直接传入我们需要修改的新名称:

pandas索引的设置与修改

使用axis="columns"效果相同:

pandas索引的设置与修改

同样也可以直接原地修改:

pandas索引的设置与修改

rename

给行索引或者列索引进行重命名,假设我们的原始数据如下:

pandas索引的设置与修改

字典形式

1、通过传入的一个或者多个属性的字典形式进行修改:

In [29]:

# 修改单个列索引;非原地修改
df2.rename(columns={"Sex":"sex"})

pandas索引的设置与修改

同时修改多个列属性的名称:

pandas索引的设置与修改

函数形式

2、通过传入的函数进行修改:

In [31]:

# 传入函数
df2.rename(str.upper, axis="columns")

pandas索引的设置与修改

也可以使用匿名函数lambda:

# 全部变成小写
df2.rename(lambda x: x.lower(), axis="columns")

pandas索引的设置与修改

使用案例

In [33]:

在这里我们使用的是可视化库plotly_express库中的自带数据集tips:

import plotly_express as px

tips = px.data.tips()  
tips

pandas索引的设置与修改

按日统计总消费

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]:

我们发现df3其实是一个Series型的数据:

type(df3)   # Series型的数据

Out[35]:

pandas.core.series.Series

In [36]:

下面我们通过reset_index函数将其变成了DataFrame数据:

df4 = df3.reset_index()
df4

pandas索引的设置与修改

我们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

pandas索引的设置与修改

按日、性别统计小费均值,消费总和

In [38]:

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

pandas索引的设置与修改

我们发现df5是df5是一个具有多层索引的数据框:

In [39]:

type(df5)  

Out[39]:

pandas.core.frame.DataFrame

我们可以选择重置其中一个索引:

pandas索引的设置与修改

在重置索引的同时,直接丢弃原来的字段信息:下面的sex信息被删除

In [41]:

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

pandas索引的设置与修改

列方向上的索引直接原地修改:

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

pandas索引的设置与修改

笨方法

最后介绍一个笨方法来修改列索引的名称:就是将新的名称通过列表的形式全部赋值给数据框的columns属性

pandas索引的设置与修改

在列索引个数少的时候用起来挺方便的,如果多了不建议使用。文章来源地址https://www.toymoban.com/news/detail-400582.html

到了这里,关于pandas索引的设置与修改的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • idea怎么设置作者信息(详细)

    目录 一:在Java类的开头自动注释作者名字和日期等信息 二:给Java的方法注释作者名字和日期等信息  1. 不可修改的模板:Postfix Completion 2. 可修改的模板:Live Templates tips: 首先给大家推荐两款好用的免费软件:动图抓取软件:ScreenToGif和录屏工具:oCam,可用来作为日常的制

    2024年02月03日
    浏览(49)
  • 【pandas基础】--索引和轴

    在 pandas 中,索引( index )是用于访问数据的关键。 它为数据提供了基于标签的访问能力,类似于字典,可以根据标签查找和访问数据。 而 pandas 的轴( axis )是指数据表中的一个维度,可以理解为表格中的行和列。 通过指定轴,我们可以对数据进行切片、筛选、聚合等操

    2024年02月07日
    浏览(24)
  • Python之Pandas读写文件及索引操作

    当使用Pandas做数据分析时,需要读取事先准备好的数据集,这是做数据分析的第一步。Panda提供了多种读取数据的方法: read_csv()用于读取文本文件 read_json()用于读取json文件 read_sql_query()读取sql语句的 CSV又称逗号分隔值文件,是一种简单的文件格式,以特定的结构来排列表格

    2024年02月05日
    浏览(47)
  • pandas笔记(一)-- 大的国家(逻辑索引、切片)

    如果一个国家满足下述两个条件之一,则认为该国是 大国 : 面积至少为 300 万平方公里 人口至少为 2500 万 编写解决方案找出 大国 的国家名称、人口和面积 按 任意顺序 返回结果表,如下例所示 输入: name continent area population gdp Afghanistan Asia 652230 25500100 20343000000 Albania Eur

    2024年03月09日
    浏览(44)
  • python中Pandas之DataFrame索引、选取数据

    总结一下 DataFrame 索引问题 先创建一个简单的 DataFrame 。 DataFrame 中有两种索引: 行索引( index ):对应最左边那一竖列 列索引( columns ):对应最上面那一横行 两种索引默认均为从 0 开始的自增整数。 可以使用 index 这个参数指定行索引, columns 这个参数指定列索引。 输出此时

    2023年04月08日
    浏览(51)
  • 解决pandas的concat函数导致索引失效的方法

    最近在写数据的时候看到用一个concat函数进行整合,但是下面这段代码之后就碰上个很奇怪的地方 这段代码首先就是用dfs记录了每一组数据,最后使用concat函数进行连接。在这之后我希望在特定位置插入一列数据 一共有三种类型的文本,10条数据,在df格式下前面也有索引。

    2024年02月11日
    浏览(44)
  • 两步实现Pandas合并相同索引行的秘籍

    在Pandas处理数据的过程中,我们常常会遇到需要对相同索引行进行汇总和统计的情况。那么如何高效地实现DataFrame相同索引行的合并呢? 在Pandas中,可以使用.groupby()和.agg()方法合并相同索引行。 例如,有这样一张DataFrame: 要合并2020-01-01这天的行,可以这样操作: 此时categ

    2024年02月06日
    浏览(37)
  • 【Python】数据分析+数据挖掘——探索Pandas中的索引与数据组织

    在数据科学和数据分析领域,Pandas是一个备受喜爱的Python库。它提供了丰富的数据结构和灵活的工具,帮助我们高效地处理和分析数据。其中,索引在Pandas中扮演着关键角色,它是一种强大的数据组织和访问机制,使我们能够更好地理解和操作数据。 本博客将探讨Pandas中与索

    2024年02月15日
    浏览(58)
  • 【pandas基础】--数据修改

    pandas 作为一种常用的数据分析工具,提供了广泛的数据修改方法。 既可以针对 行 或者 列 的数据进行修改,也可以对具体 单个元素 进行修改,还可以基于条件选择要修改的 行 或者 列 的数据。 pandas 的 DataFrame 增加一行或者多行数据之前是使用 append 方法。 使用append方法会

    2024年02月05日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包