利用Python进行数据分析(11) pandas基础: 层次化索引
2016-08-13 16:51
971 查看
层次化索引
层次化索引指你能在一个数组上拥有多个索引,例如:
有点像Excel里的合并单元格对么?
根据索引选择数据子集
以外层索引的方式选择数据子集:
以内层索引的方式选择数据:
多重索引Series转换为DataFrame
层次化索引在数据重塑和分组中扮演着很重要的角色,例如,上面的层次化索引数据可以转换为一个DataFrame:
对于一个DataFrame,横轴和竖轴都可以有层次化索引,例如:
重排分级顺序
根据索引交换
swaplevel()函数可以将两个级别的数据进行交换,例如:
根据索引排序
sortlevel()函数根据单个级别的值对数据进行排序,例如:
以行按第一层进行排序:
以行按第二层进行排序:
以列按第一层进行排序:
根据级别汇总统计
多层次索引的数据,汇总的时候可以单独按照级别进行,例如:
层次化索引指你能在一个数组上拥有多个索引,例如:
有点像Excel里的合并单元格对么?
根据索引选择数据子集
以外层索引的方式选择数据子集:
以内层索引的方式选择数据:
多重索引Series转换为DataFrame
层次化索引在数据重塑和分组中扮演着很重要的角色,例如,上面的层次化索引数据可以转换为一个DataFrame:
对于一个DataFrame,横轴和竖轴都可以有层次化索引,例如:
重排分级顺序
根据索引交换
swaplevel()函数可以将两个级别的数据进行交换,例如:
根据索引排序
sortlevel()函数根据单个级别的值对数据进行排序,例如:
以行按第一层进行排序:
以行按第二层进行排序:
以列按第一层进行排序:
根据级别汇总统计
多层次索引的数据,汇总的时候可以单独按照级别进行,例如:
相关文章推荐
- 利用Python进行数据分析(11) pandas基础: 层次化索引
- 利用Python进行数据分析(14) pandas基础: 数据转换
- 利用Python进行数据分析(9) pandas基础: 汇总统计和计算
- 利用Python进行数据分析(14) pandas基础: 数据转换
- 利用Python进行数据分析(13) pandas基础: 数据重塑/轴向旋转
- 利用Python进行数据分析(10) pandas基础: 处理缺失数据
- 利用Python进行数据分析(12) pandas基础: 数据合并
- 利用Python进行数据分析(10) pandas基础: 处理缺失数据
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍
- 利用Python进行数据分析(15) pandas基础: 字符串操作
- 利用Pandas进行数据分析(3)——统计、处理缺失值、层次化索引
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主
- 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作
- 利用Python进行数据分析 pandas基础: 处理缺失数据
- 利用Python进行数据分析(12) pandas基础: 数据合并
- 利用Python进行数据分析(15) pandas基础: 字符串操作
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍
- 利用Python进行数据分析(13) pandas基础: 数据重塑/轴向旋转
- 利用Python进行数据分析(5) NumPy基础: ndarray索引和切片
- 利用 Python 进行数据分析(十二)pandas:数据合并