pandas索引塑造及使用

Pandas创建/读取数据时通常会手动指定索引值或指定索引所在位置，如果不指定则默认索引为（0…n）的数字。由于Pandas各种数据结构的索引使用方法基本通用，故本章使用DataFrame为例。

若无特殊说明，文中所使用数据为用数据为 2016-2018北京高考分数线.xlsx

索引

切片索引

切片索引使用格式为data[row_index][col_index]，尝试发现，切片索引与Python数组切片稍有不同，主要有以下几种情况：

1. 选中特定行：data[m:n:step]
2. 选择特定列: data['col1']、data[['col1','col2']]
3. 选择特定区域：data[row_index][col_index]
   

   

loc索引

loc索引使用格式为data.loc[row_index][col_index]或data.loc[row_index, col_index]，主要有以下几种情况（与上面大致相同）：

1. 选中特定行：data.loc[m:n:step]（范围[m,n)）
2. 选择特定列: data.loc[['col1','col2']]
3. 选择特定区域：data.loc[row_index][col_index]
   

   

iloc索引

iloc索引使用格式为data.iloc[row_index][col_index]或data.iloc[row_index, col_index]，主要有以下几种情况（与上面大致相同）：

1. 选中特定行：data.iloc[m:n:step]（范围[m,n)）
2. 选择特定列: data.iloc[[col1,col2]]
3. 选择特定区域：data.iloc[row_index][col_index]
   

   

以上三种索引方式的差别：

xi索引

该方法已过时，不建议使用

条件索引

条件索引使用格式为data[query]、data.loc[query]和data.iloc[query]，使用时目标数据列的数据格式最好一致，本节所使用数据为¹：

主要有以下使用场景：

1. 直接条件：data1[data1[1] > 500]（文科一本分数线大于500的行）
2. lambda函数：data1.iloc[lambda x: ((x[1] > 500) & (x[1] < 550)).tolist()]（文科一本分数线大于500小于550的行）

   

层次索引

本节使用数据：

构造

1. 隐式构造 ²

1

data.columns = [['一本分数线','一本分数线','二本分数线','二本分数线'],['文科','理科','文科','理科']]

2. 显式构造

1
2
3
4
5
6
7

# 1. 从tuple
multiIndex = pd.MultiIndex.from_tuples([('一本分数线','文科'),('一本分数线','理科'),('二本分数线','文科'),('二本分数线','文科')])
# 2. 从list
multiIndex = pd.MultiIndex.from_arrays([['一本分数线','一本分数线','二本分数线','二本分数线'],['文科','理科','文科','理科']])
# 3. 从product
multiIndex = pd.MultiIndex.from_product([['一本分数线','二本分数线'],['文科','理科']])
data.columns = multiIndex

3. 指定索引

1

data = pd.read_excel("2016-2018北京高考分数线.xlsx", header=[0, 1])

访问

层次索引使用格式为data[row_index][col_index]、data.loc[row_index, col_index]，其中多级索引以列表形式输入。例：

1
2

data[1:4]['一本分数线','文科']
data.loc[1:4,['一本分数线','文科']]

其他

重塑索引

1. reindex

pandas中的reindex方法可以为series和dataframe添加或者删除索引³，函数原型为：pd.reindex([index, columns, method, copy, level, fill_value, limit])。

1
2
3

data.reindex(index=np.arange(10,0,-1))  # 重塑索引为[10,1]，其余的数据舍弃
data.reindex(index=np.arange(100), fill_value = 10)   # 重塑索引为[0, 99]，不足的数据用10填充（默认填充Nan）
data.reindex(index=np.arange(50), method='ffill'))   # 重塑索引为[0, 49]，不足的数据按照前一个非nan的值填充进去

2. reset_index

DataFrame可以通过reset_index还原索引，重新变为默认的整型索引，函数原型为：

1

reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

其中level控制了具体要还原的那个等级的索引，drop为False则原索引会被设置为新的列数据，否则会删除原索引。

参考