Pandas(四)
本次笔记主要时层次化索引以及整数索引的一些内容。内容比较琐碎。
0. 层次化索引
层次化索引:在一个轴上拥有多个(两个以上)索引级别，能以低维度的形式处理高维度的数据。
0.1 层次化索引初识
ser = Series(np.random.randn(10), index=[list('aaabbbccdd'), [1,2,3,1,2,3,1,2,2,3]])
ser.index
# 返回值：
MultiIndex(levels=[['a', 'b', 'c', 'd'], [1, 2, 3]],
labels=[[0, 0, 0, 1, 1, 1, 2, 2, 3, 3], [0, 1, 2, 0, 1, 2, 0, 1, 1, 2]])
dat = DataFrame(np.arange(12).reshape((4,3)), index=[['a','a','b','b'],[1,2,1,2]], columns=[['Ohio','Ohio','Colorado' ],['Green','Red','Green']])
dat
# 返回值
# Ohio Colorado
# Green Red Green
# a 1 0 1 2
# 2 3 4 5
# b 1 6 7 8
# 2 9 10 11
dat.index
# 返回值
# MultiIndex(levels=[['a', 'b'], [1, 2]],
# labels=[[0, 0, 1, 1], [0, 1, 0, 1]])
dat.columns
# 返回值
# MultiIndex(levels=[['Colorado', 'Ohio'], ['Green', 'Red']],
# labels=[[1, 1, 0], [0, 1, 0]])
MultiIndex参数:
levels : 每个级别的唯一标签。
labels : 每个级别的整数指定每个位置的标签。
sortorder :排序级别（必须按字典顺序按该级别排序）。
names :每个索引级别的名称。
copy : 复制元数据 默认为Flase。
verify_integrity : 检查级别/标签是否一致且有
0.2 选取值：
ser.iloc[5] # 返回值 0.6029141024292601
ser[:,1]
# 返回值
# a 0.11169
# b 1.21725
# c -1.71559
# dtype: float64
ser.loc[('a'),(1)]# 返回值 0.11168972243989066
ser.loc[('a','b'),(1)]
# 返回值
# a 1 0.11169
# b 1 1.21725
# dtype: float64
dat.index.names = ['key1','key2'] # 为不同层的索引命名
dat
# 返回值
Ohio Colorado
Green Red Green
key1 key2
a 1 0 1 2
2 3 4 5
b 1 6 7 8
2 9 10 11
dat.loc[('a','Colorado')]
# 返回值
# Green
# key2
# 1 2
# 2 5
dat['Colorado']
# 返回值
# Green
# key1 key2
# a 1 2
# 2 5
# b 1 8
# 2 11
dat['Ohio']['Red']
# 返回值
# key1 key2
# a 1 1
# 2 4
# b 1 7
# 2 10
# Name: Red, dtype: int32
dat.loc['a'].loc[1]
# 返回值
# Ohio Green 0
# Red 1
# Colorado Green 2
# Name: 1, dtype: int32
dat.loc[('a',1)]
# 返回值
# Ohio Green 0
# Red 1
# Colorado Green 2
# Name: (a, 1), dtype: int32
0.3 重新分级排序
重新调整某条轴上的各级别的顺序，或者根据指定级别上的值对数据进行排序。
dat.swaplevel('key1','key2')
# 返回值
# Ohio Colorado
# Green Red Green
# key2 key1
# 1 a 0 1 2
# 2 a 3 4 5
# 1 b 6 7 8
# 2 b 9 10 11
dat.sort_index(1)
# 返回值
# Colorad Ohio
# Green Green Red
# key1 key2
# a 1 2 0 1
# 2 5 3 4
# b 1 8 6 7
# 2 11 9 10
dat.swaplevel(0,1).sort_index(0)
# 返回值
# Ohio Colorado
# Green Red Green
# key2 key1
# 1 a 0 1 2
# b 6 7 8
# 2 a 3 4 5
# b 9 10 11
swaplevel(i = -2，j = -1，axis= 0)：在特定轴上的MultiIndex中交轴上的级别顺序。参数：
i，j：int，string（可以混合使用) 要交换的索引级别。可以将级别名称作为字符串传递。
sort_index: 按标签排序对象（沿轴)。参数：
axis ：排序的轴。
level：int或级别名称或int列表或级别名称列表，如果不是None，则对指定索引级别的值进行排序。
ascending ：bool，默认为True 为升序，
inplace：bool，默认为False。 如果为True，则就地执行操作
kind：{'quicksort'，'mergesort'，'heapsort'}，默认'quicksort'，选择排序算法。mergesort是唯一稳定的算法。对于DataFrames，此选项仅在对单个列或标签进行排序时应用。
na_position：{'first'，'last'}，默认'last'首先将NaN 置于开头，最后将NaN放在最后。没有为MultiIndex实现。
sort_remaining：bool，默认为True。如果为true且按级别和索引排序是多级的，则在按指定级别排序后按其他级别（按顺序）排序,
0.4 根据级别汇总统计
许多对DataFarame和Series的描述和汇总统计都有一个level选项，它用于指定在某条轴上求和的级别。
dat.sum(level='key2')
# 返回值
# Ohio Colorado
# Green Red Green
# key2
# 1 6 8 10
# 2 12 14 16
dat.columns.names=['state','color']
dat.sum(level='state', axis=1)
# 返回值
# state Ohio Colorado
# key1 key2
# a 1 1 2
# 2 7 5
# b 1 13 8
# 2 19 11
书中有说，这种方法其使用了pandas的groupby的功能，之后对其详解。
0.5 使用DataFrame的列
这个简单的说， 就是让其中的列设置为行索引。
dat2 = DataFrame([['一' , 'one' ,'z', 1],['二' , 'two' ,'x', 2],['一' , 'one' ,'z', 1],['二' , 'two' ,'x', 2]], index=['a', 'b', 'c', 'd'],
columns=[1,2,3,4])
dat2
dat2.set_index(2)
# 返回值
# 1 3 4
# 2
# one 一 z 1
# two 二 x 2
# one 一 z 1
# two 二 x 2
dat2.set_index(2).reset_index()
# 返回值
# 2 1 3 4
# 0 one 一 z 1
# 1 two 二 x 2
# 2 one 一 z 1
# 3 two 二 x 2
dat2.set_index([1,2])
# 返回值
# 3 4
# 1 2
# 一 one z 1
# 二 two x 2
# 一 one z 1
# 二 two x 2
set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
参数:
keys：列标签或列标签组成的数组列表
drop：布尔值，默认为True，删除要用作新索引的列
append：bool，默认为False，是否将列附加到现有索引
inplace：bool，默认为False，修改DataFrame（不要创建新对象），为True是
verify_integrity：bool，默认为False，检查新索引是否有重复项。否则，请在必要时推迟检查。设置为False将改善此方法的性能。
1. 整数索引
先来看一下例子：
# 当索引为整数时
ser = Series(np.arange(3))
ser
# 返回值：
# 0 0
# 1 1
# 2 2
# dtype: int32
ser[2] # 返回值 2
ser[-1] # 直接抛出错误
# 当所因为非整数时
ser = Series(np.arange(3),index=['a','b','c'])
ser[-1]
# 返回值
# 2
由此可见， 对于非整数索引时没有问题的。而对于第一种，使用的默认的整数索引。这样，通过整数索引取值的时候会产生歧义，无法分辨时整数索引还是位置下标。为了保持良好的一致性，如果时整数索引，根据整数取值的是时候总是面向标签而非下标的。
解决办法：（书中的iget_value已经不存在）
ser = Series([1,3,2,4])
ser
ser.ix[:1]
# 返回值
# 0 1
# 1 3
# dtype: int64
ser.ix[2:3]
# 返回值
# 2 2
# 3 4
# dtype: int64
dat = DataFrame(np.arange(16).reshape(4,4))
dat.iloc[-1]
# 返回值
# 0 12
# 1 13
# 2 14
# 3 15
# Name: 3, dtype: int32
# dat.irow(0) # 这个方法也已经不存在了
注：如果没什么特殊情况， 还是不要用整数索引了， 看着脑壳疼。