使用pandas操作DataFrames（二）

目录

第二部分：高级索引

一、索引对象和标记数据

1.1 索引值和名称

1.2 更改DataFrame的索引

1.3 更改索引名称标签

1.4 构建索引，然后构建DataFrame

二、层次化索引

2.1 使用MultiIndex提取数据

2.2 设置和排序MultiIndex

2.3 使用.loc []和非唯一索引

2.4 索引MultiIndex的多个级别

---

第二部分：高级索引

在学习了使用DataFrames的基础知识后，学习更高级的索引技术。 将了解MultiIndexes或层次化索引，并了解如何与它们进行交互并从中提取数据。

一、索引对象和标记数据

1.1 索引值和名称

1.2 更改DataFrame的索引
 

索引是不可变对象。 这意味着如果要更改或修改DataFrame中的索引，则需要更改整个索引。 使用列表生成式来创建新索引。 

# Create the list of new indexes: new_idx
new_idx = [month.upper() for month in sales.index]

# Assign new_idx to sales.index
sales.index = new_idx

# Print the sales DataFrame
print(sales)

1.3 更改索引名称标签

在上一个练习中，索引未标记名称。 在本练习中，将其名称设置为“MONTHS”。同样，如果所有列都以某种方式相关，则可以为列提供标签。

# Assign the string 'MONTHS' to sales.index.name
sales.index.name = 'MONTHS'

# Print the sales DataFrame
print(sales)

# Assign the string 'PRODUCTS' to sales.columns.name 
sales.columns.name = 'PRODUCTS'

# Print the sales dataframe again
print(sales)

在第一个DataFrame中，索引只有行标签，而在第二个DataFrame中，索引和列都有标签。

1.4 构建索引，然后构建DataFrame

可以单独构建DataFrame和索引，然后将它们组合在一起。 如果采用这种方法，请注意，因为生成DataFrame或索引时的任何错误都可能导致数据和索引不正确对齐。在本练习中，提供了销售数据框，没有月份索引。 单独构建此索引，然后将其分配给销售DataFrame。 在开始之前，在IPython Shell中打印销售数据框，并注意它缺少月份信息。

# Generate the list of months: months
months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']

# Assign months to sales.index
sales.index = months

# Print the modified sales DataFrame
print(sales)

二、层次化索引

2.1 使用MultiIndex提取数据

在视频中，Dhavide解释了层次索引或MultiIndex的概念。 一直在使用的销售数据框架已扩展到现在包括状态信息。 在IPython Shell中，打印新的销售DataFrame以检查数据。 注意MultiIndex！从MultiIndex的最外层提取元素就像单级索引一样。 可以使用.loc []访问。

# Print sales.loc[['CA', 'TX']]
print(sales.loc[['CA','TX']])

# Print sales['CA':'TX']
print(sales['CA':'TX'])

2.2 设置和排序MultiIndex

在上一个练习中，MultiIndex已创建并排序。 现在，你要自己做！ 使用MultiIndex，应始终确保索引已排序。 只有在知道数据已在索引字段中排序后，才能跳过此步骤。首先，在IPython Shell中打印预加载的sales DataFrame，以验证没有MultiIndex。

.set_index()会将DataFrame的一个或多个列转化成行索引，并创建一个新的DataFrame。默认情况下那些列会从DataFrame中移除，但也可以留下来，使用drop=False

.sort_index()可以对行或列索引进行排序。对于DataFrame，可以根据任意一个轴上的索引进行排序，数据默认是按升序排序。

.sort_index(axis=1,ascending=False)  也可能根据一个或多个列中的值进行排序，将一个或多个列的名字传给by参数即可。

# Set the index to be the columns ['state', 'month']: sales
sales = sales.set_index(['state','month'])

# Sort the MultiIndex: sales
sales = sales.sort_index()

# Print the sales DataFrame
print(sales)

2.3 使用.loc []和非唯一索引

最好有一个唯一标识每一行的有意义的索引。 尽管pandas在DataFrames中不需要唯一的索引值，但如果索引值确实是唯一的，它会更好。 

# Set the index to the column 'state': sales
sales = sales.set_index(['state'])

# Print the sales DataFrame
print(sales)

# Access the data from 'NY'
print(sales['NY':'NY'])
print(sales.loc['NY'])

因为有非唯一索引，所以返回两行。

2.4 索引MultiIndex的多个级别

查找索引数据是快速有效的。 基于MultiIndex最外层的查找工作就像在具有单级索引的DataFrame上查找一样。基于MultiIndex的内部级别查找数据可能有点棘手。 在本练习中，使用sales DataFrame执行一些日益复杂的查找。

所有这些查找中最棘手的是当想要访问索引的某些内部级别。 在这种情况下，您需要在最外层维度的切片参数中使用切片（无）而不是通常的：，或使用pd.IndexSlice。可以参考pandas文档以获取更多详细信息。 

特别注意元组(slice(None), slice('2016-10-03', '2016-10-04'))

• Look up data for the New York column ('NY') in month 1.
• Look up data for the California and Texas columns ('CA', 'TX') in month 2.
• Look up data for all states in month 2. Use (slice(None), 2) to extract all rows in month 2.

# Look up data for NY in month 1: NY_month1
NY_month1 = sales.loc[('NY',1)]

# Look up data for CA and TX in month 2: CA_TX_month2
CA_TX_month2 = sales.loc[(['CA','TX'],2),:]

# Look up data for all states in month 2: all_month2
all_month2 = sales.loc[(slice(None),2),:]

CA_TX_month2 = sales.loc[(['CA','TX'],2),:]，此处要加上：。