Pandas索引的设置与修改
本文主要是介绍Pandas中行和列索引的4个函数操作:
- set_index
- reset_index
- set_axis
- rename
创建索引
快速回顾下Pandas创建索引的常见方法:
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.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 [3]:
1 | s2 = pd.interval_range(start=0, end=6, closed="left") |
Out[3]:
1 | IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)], |
pd.CategoricalIndex
In [4]:
1 | s3 = pd.CategoricalIndex( |
Out[4]:
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 [5]:
1 | # 日期作为索引,D代表天 |
Out[5]:
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 [6]:
1 | s5 = pd.PeriodIndex(['2022-01-01', '2022-01-02', |
Out[6]:
1 | PeriodIndex(['2022-01-01 00:00', '2022-01-02 00:00', |
pd.TimedeltaIndex
In [7]:
1 | data = pd.timedelta_range(start='1 day', end='3 days', freq='6H') |
Out[7]:
1 | TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00', |
In [8]:
1 | s6 = pd.TimedeltaIndex(data) |
Out[8]:
1 | TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00', |
读取数据
下面通过一份 简单的数据来讲解4个函数的使用。数据如下:
set_index
设置单层索引
In [10]:
1 | # 设置单层索引 |
我们发现df1的索引已经变成了name字段的相关值。
下面是设置多层索引:
1 | # 设置两层索引 |
reset_index
对索引的重置:
针对多层索引的重置:
多层索引直接原地修改:
set_axis
将指定的数据分配给所需要的轴axis。其中axis=0代表行方向,axis=1代表列方向。
两种不同的写法:
1 | axis=0 等价于 axis="index" |
操作行索引
使用 index 效果相同:
原来的df2是没有改变的。如果我们想改变生效,同样也可以直接原地修改:
操作列索引
针对axis=1或者axis="columns"方向上的操作。
1、直接传入我们需要修改的新名称:
使用axis="columns"效果相同:
同样也可以直接原地修改:
rename
给行索引或者列索引进行重命名,假设我们的原始数据如下:
字典形式
1、通过传入的一个或者多个属性的字典形式进行修改:
In [29]:
1 | # 修改单个列索引;非原地修改 |
同时修改多个列属性的名称:
函数形式
2、通过传入的函数进行修改:
In [31]:
1 | # 传入函数 |
也可以使用匿名函数lambda:
1 | # 全部变成小写 |
使用案例
In [33]:
在这里我们使用的是可视化库plotly_express库中的自带数据集tips:
1 | import plotly_express as px |
按日统计总消费
In [34]:
1 | df3 = tips.groupby("day")["total_bill"].sum() |
Out[34]:
1 | day |
In [35]:
我们发现df3其实是一个Series型的数据:
1 | type(df3) # Series型的数据 |
Out[35]:
1 | pandas.core.series.Series |
In [36]:
下面我们通过reset_index函数将其变成了DataFrame数据:
1 | df4 = df3.reset_index() |
我们把列方向上的索引重新命名下:
In [37]:
1 | # 直接原地修改 |
按日、性别统计小费均值,消费总和
In [38]:
1 | df5 = tips.groupby(["day","sex"]).agg({"tip":"mean", "total_bill":"sum"}) |
我们发现df5是df5是一个具有多层索引的数据框:
In [39]:
1 | type(df5) |
Out[39]:
1 | pandas.core.frame.DataFrame |
我们可以选择重置其中一个索引:
在重置索引的同时,直接丢弃原来的字段信息:下面的sex信息被删除
In [41]:
1 | df5.reset_index(["sex"],drop=True) # 非原地修改 |
列方向上的索引直接原地修改:
1 | df5.reset_index(inplace=True) # 原地修改 |
笨方法
最后介绍一个笨方法来修改列索引的名称:就是将新的名称通过列表的形式全部赋值给数据框的columns属性
在列索引的个数少的时候用起来挺方便的,如果多了不建议使用。