利用Python进行数据分析-Pandas(第五部分-数据规整:聚合合并和重塑)
Posted 阑珊夜泊
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了利用Python进行数据分析-Pandas(第五部分-数据规整:聚合合并和重塑)相关的知识,希望对你有一定的参考价值。
在许多应用中,数据可能分散在许多文件或数据库中,存储的形式也不利于分析。本部分关注可以聚合、合并、重塑数据的方法。
1、层次化索引
层次化索引(hierarchical indexing)是pandas的一项重要功能,它使你能在一个轴上拥有多个(两个以上)索引级别。抽象点说,它使你能以低纬度形式处理高纬度数据。我们来看一个简单的栗子:创建一个Series,并用一个由列表或数组组成的列表作为索引:
data = pd.Series(np.random.randn(9), index=[[‘a‘, ‘a‘, ‘a‘, ‘b‘, ‘b‘, ‘c‘, ‘c‘, ‘d‘, ‘d‘], [1, 2, 3, 1, 3, 1, 2, 2, 3]]) print(data)
a 1 -1.624220 2 -1.061747 3 0.895593 b 1 -2.702315 3 -1.690189 c 1 2.608471 2 1.167507 d 2 0.139161 3 1.298629 dtype: float64
看到的结果是经过美化的带有MultiIndex索引的Series的格式。索引之间的“间隔”表示“直接使用上面的标签”:
print(data.index)
MultiIndex([(‘a‘, 1), (‘a‘, 2), (‘a‘, 3), (‘b‘, 1), (‘b‘, 3), (‘c‘, 1), (‘c‘, 2), (‘d‘, 2), (‘d‘, 3)], )
对于一个层次化索引的对象,可以使用所谓的部分索引
持续更新中......
以上是关于利用Python进行数据分析-Pandas(第五部分-数据规整:聚合合并和重塑)的主要内容,如果未能解决你的问题,请参考以下文章
利用Python进行数据分析:Pandas(Series+DataFrame)