Pandas中单层索引操作
本文主要是记录Pandas中单层索引的一些基本操作。
10种索引
下面简单回顾下之前学习创建的10种索引:
pd.Index
In [1]:
1 | import pandas as pd |
In [2]:
1 | # 指定类型和名称 |
Out[2]:
1 | Int64Index([1, 2, 3, 4, 5, 6, 7], dtype='int64', name='Peter') |
pd.RangeIndex
指定整数范围内的不可变索引
In [3]:
1 | s2 = pd.RangeIndex(0,20,2) |
Out[3]:
1 | RangeIndex(start=0, stop=20, step=2) |
pd.Int64Index
64位整数型索引
In [4]:
1 | s3 = pd.Int64Index([1,2,3,4,5,6,7,8],name="Peter") |
Out[4]:
1 | Int64Index([1, 2, 3, 4, 5, 6, 7, 8], dtype='int64', name='Peter') |
pd.UInt64Index
无符号整数索引
In [5]:
1 | s4 = pd.UInt64Index([1, 2.0, 3, 4],name="Tom") |
Out[5]:
1 | UInt64Index([1, 2, 3, 4], dtype='uint64', name='Tom') |
pd.Float64Index
64位浮点型的索引
In [6]:
1 | s5 = pd.Float64Index([1.5, 2.4, 3.7, 4.9],name="peter") |
Out[6]:
1 | Float64Index([1.5, 2.4, 3.7, 4.9], dtype='float64', name='peter') |
pd.IntervalIndex
新的间隔索引 IntervalIndex 通常使用 interval_range()函数来进行构造,它使用的是数据或者数值区间,基本用法:
In [7]:
1 | s6 = pd.interval_range(start=0, end=6, closed="left") |
Out[7]:
1 | IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)], |
pd.CategoricalIndex
In [8]:
1 | s7 = pd.CategoricalIndex( |
Out[8]:
1 | CategoricalIndex(['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'], |
pd.DatetimeIndex
以时间和日期作为索引,通过date_range函数来生成,具体例子为:
In [9]:
1 | # 日期作为索引,D代表天 |
Out[9]:
1 | DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', |
pd.PeriodIndex
pd.PeriodIndex是一个专门针对周期性数据的索引,方便针对具有一定周期的数据进行处理,具体用法如下:
In [10]:
1 | s9 = pd.PeriodIndex(['2022-01-01', '2022-01-02', |
Out[10]:
1 | PeriodIndex(['2022-01-01 00:00', '2022-01-02 00:00', |
pd.TimedeltaIndex
In [11]:
1 | data = pd.timedelta_range(start='1 day', end='3 days', freq='6H') |
Out[11]:
1 | TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00', |
In [12]:
1 | s10 = pd.TimedeltaIndex(data) |
Out[12]:
1 | TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00', |
操作1:读取文件时自动生成索引
默认情况下,pandas以0到 len(df)-1 的自然数为索引
In [13]:
1 | df = pd.read_csv("student.csv") |
1 | df.index |
我们可以指定某个字段作为索引:
操作2:读取数据时指定索引
在读取文件的时候可以指定一个或者多个字段作为索引:
In [15]:
1 | df1 = pd.read_csv("student.csv", index_col="name") # 指定单个字段作为索引 |
1 | # 除了直接指定列名,还可以根据列名的索引:name-0 sex-1 |
我们查看具体的索引:
In [17]:
1 | df1.index |
Out[17]:
1 | Index(['xiaoming', 'xiaozhou', 'peter', 'mike'], dtype='object', name='name') |
同时指定多个字段作为索引:
In [18]:
1 | df2 = pd.read_csv("student.csv", index_col=["name","sex"]) |
我们发现此时数据框df2的索引是一个多层索引MultiIndex
In [20]:
1 | df2.index |
Out[20]:
1 | MultiIndex([('xiaoming', 'male'), |
操作3:指定索引set_index
在读取之后可以指定字段作为索引
指定单个索引
比如,我们把name字段作为索引:使用的是set_index函数
In [23]:
1 | df."name") |
我们发现原始的df是没有变化的:
如果想直接改变df,有两种方法:
1、赋值法
通过对比赋值前后df的id,我们发现它们是不同的:
在Python内部其实创建了两个不同的对象,开辟了不同的内存地址,只不过对象的刚好都是df而已
2、原地修改
第二种方法是通过set_index的inplace参数,原地修改df:
In [28]:
1 | id(df) # 改变前 |
Out[28]:
1 | 4633094992 |
In [29]:
1 | df.set_index("name",inplace=True) # 原地修改 |
In [30]:
1 | id(df) # 改变后 |
Out[30]:
1 | 4633094992 |
我们发现:修改后df和原来是一样的
指定多个索引
1、赋值改变
2、原地修改
指定Series数据为索引
其他操作
原来的列字段仍然保存:
原来的索引仍然保留: