【数据分析day03】pandas“层次化索引对象”的多层索引,切片,stack

导入 (常规操作)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
from pandas import DataFrame, Series

Series创建多层索引

index = [['一班', '一班', '一班', '二班', '二班','二班'], ['张三', '李四', '王五', '赵六', '田七', '孙八']]
data = np.random.randint(0, 150, size=6)
s = Series(index=index, data=data)
s

DataFrame创建多层索引

两种方式：隐式和显示

1. 隐式构造
   最常见的方法是给DataFrame构造函数的index参数传递两个或更多的数组

   index = [['一班', '一班', '一班', '二班', '二班','二班'], ['张三', '李四', '王五', '赵六', '田七', '孙八']]
   columns = [['期中', '期中', '期中', '期末', '期末', '期末'], ['语文', '数学', '英语', '语文', '数学', '英语']]
   data = np.random.randint(0, 150, size=(6,6))
   df = DataFrame(data=data, index=index, columns=columns)
   df
   

2. 显示构造 (三种方式)：

• 使用数组
• 使用tuple
• 使用乘积（product）

2.1) 使用数组

index = pd.MultiIndex.from_arrays([['一班', '一班', '一班', '二班', '二班','二班'], ['张三', '李四', '王五', '赵六', '田七', '孙八']])
columns = pd.MultiIndex.from_arrays([['期中', '期中', '期中', '期末', '期末', '期末'], ['语文', '数学', '英语', '语文', '数学', '英语']])
data = np.random.randint(0, 150, size=(6,6))
df = DataFrame(data=data, index=index, columns=columns)
df

2.2) 使用 元组

index = pd.MultiIndex.from_tuples((('一班', '张三'), ('一班', '王五'), ('一班', '李四'), ('二班', '赵六'), ('二班', '田七'), ('二班', '孙八')))
columns = [['期中', '期中', '期中', '期末', '期末', '期末'], ['语文', '数学', '英语', '语文', '数学', '英语']]
data = np.random.randint(0, 150, size=(6,6))
df = DataFrame(data=data, index=index, columns=columns)
df

2.3） 使用乘积（product）

index = pd.MultiIndex.from_product([['一班', '二班'], ['张三', '李四', '王五']], sortorder=1)
columns = pd.MultiIndex.from_product([['期中','期末'], ['语文', '数学', '英语']], sortorder=0)
data = np.random.randint(0, 150, size=(6,6))
df = DataFrame(data=data, index=index, columns=columns)
df

注意：这里使用乘积有个局限性，行/列 的level 1的值要相同

Series（多层索引对象）的索引和切片

索引：分显示和隐式

【重要】对于Series来说，直接中括号[]与使用.loc()完全一样，推荐使用中括号索引和切片。

1. 显示索引
   多层索引的基本原则就是: 必须从最外层索引开始索引, 不能直接索引最内侧层索引.

    s.loc[['一班'], ['张三']]
   

2. 隐式索引（不区分层级索引）

   s.iloc[[0]]
   

！----------------------------------------------------------------------------------
切片也分显式和隐式

显式索引切片.只能切最外层

s.loc['一班': '二班']

隐式索引的切片

s.iloc[0:2]

DataFrame（多层索引对象）的索引和切片

多层索引

1）列索引 ：可以直接使用列名称来进行列索引，没有显式索引

例子：索引“期中-语文”

df['期中', '语文']

# ()表示是一个整体. 推荐写法：
df[('期中', '语文')]

# 不推荐写法
df.期中.语文

#列索引可以有隐式索引：
df.iloc[:, 0] #索引全部行，第0列

2）行索引
显式：

# 显式索引
df.loc[[('一班', '张三')]]  #外层[ ] 表示返回原数据类型（df）

隐式：

# 隐式索引
df.iloc[[0]]

！----------------------------------------------------------------------------------------------
切片
1）列切片（显式，隐式）
显式：

# 注意：切片不要在外层加括号
df.loc[:, '期中': '期末']

隐式：

# 隐式切片
df.iloc[:, 0: 4]

2）行切片 （显式，隐式）
显式：

df.loc[('一班', '张三'): ('二班', '张三')]

隐式：

# 隐式切片.
df.iloc[0:4]

元素的索引 （显式，隐式）

显式：

# 最推荐的写法, 先行后列, 行列索引用括号括起来.
df.loc[('一班', '张三'), ('期中', '语文')]

隐式：

df.iloc[0,0]

链式（不推荐）：先列后行

# 错误示范,链式索引,赋值没成功. 无法预测的结果.
df['期中']['数学']['一班']['张三'] = np.nan

小结：

1, 列索引直接使用中括号, 行索引用.loc[], 隐式索引用.iloc[]
2, 多层索引,不能直接索引内层索引,需要从外层索引开始, 可以用括号括起来, 表示是同一级的索引.

坑点

为了解决unsortedindexerror的报错问题,要使用sortorder参数设定排序规则

索引的堆（stack）

stack() :就是把列索引 变成 行索引 (列 --> 行)
unstack() :行索引–> 列索引

# 默认是把最里面一层的列索引变成行索引.(即默认level=-1)
df.stack() #把语数英堆起来

# 期中，期末 是level 0, 
# 语数英是level 1 （也可认为是最里层，默认 level -1）倒数第一层
df.stack(level=0) #把期中，期末堆起来

unstack是stack的反向操作.即行索引变成列索引.

df.unstack(level=0)  # 把一班二班扔上去

df.unstack(fill_value=0)