python的dataframe功能,Python数据分析之PandasSeries与DataFrame基本功能（五）

层次化索引

层次化索引让你能在一个轴上拥有多个索引级别。

层次化索引我个人理解是对索引进行了分组&＃xff0c;比方说一部分数据是今年的&＃xff0c;一部分数据是明年的&＃xff0c;可通过层次化索引进行切块以方便后续选取数据

In [263]: data &＃61; Series(np.random.randn(10), index&＃61;[[&＃39;2010&＃39;,&＃39;2010&＃39;,&＃39;2010&＃39;,&＃39;2011&＃39;,&＃39;2011&＃39;,&＃39;2011&＃39;,&＃39;2012&＃39;,&＃39;2012&＃39;,&＃39;2013&＃39;,&＃39;2013&＃39;],[

...: 1, 2, 3, 1, 2, 3, 1, 2, 2, 3]]) # 这种形式叫做带有&＃96;&＃96;&＃96;MultiIndex&＃96;&＃96;&＃96;索引的格式化输出形式。

In [264]: data

Out[264]:

2010 1 1.739760

2 -1.685753

3 0.046604

2011 1 -0.580861

2 -1.848230

3 0.148327

2012 1 0.552871

2 1.347311

2013 2 -0.555054

3 0.601366

dtype: float64

选取分好组的数据&＃xff1a;

In [265]: data[&＃39;2010&＃39;]

Out[265]:

1 1.739760

2 -1.685753

3 0.046604

dtype: float64

In [267]: data.loc[[&＃39;2010&＃39;,&＃39;2011&＃39;]]

Out[267]:

2010 1 1.739760

2 -1.685753

3 0.046604

2011 1 -0.580861

2 -1.848230

3 0.148327

dtype: float64

##重塑层次化索引

重塑相当于是把一个带有层次化索引的Series转换成了DataFrame&＃xff0c;或者把DataFrame转换成带有层次化索引的Series。

In [269]: data.unstack()

Out[269]:

1 2 3

2010 1.739760 -1.685753 0.046604

2011 -0.580861 -1.848230 0.148327

2012 0.552871 1.347311 NaN

2013 NaN -0.555054 0.601366

In [280]: data.unstack().stack()

Out[280]:

2010 1 1.739760

2 -1.685753

3 0.046604

2011 1 -0.580861

2 -1.848230

3 0.148327

2012 1 0.552871

2 1.347311

2013 2 -0.555054

3 0.601366

dtype: float64

unstack 把带有层次化索引的Series对象转换成DataFrame对象

stack 把DataFrame对象转换为带有层次化索引的Series对象