Pandas索引基本操作

Posted 2022-11-26 尤尔小屋的猫

公众号：尤而小屋
作者：Peter
编辑：Peter

大家好，我是Peter~

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]:

import pandas as pd
import numpy as np

In [2]:

# 指定类型和名称

s1 = pd.Index([1,2,3,4,5,6,7], 
         dtype="int",
         name="Peter")

s1

Out[2]:

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]:

s2 = pd.RangeIndex(0,20,2)
s2

Out[3]:

RangeIndex(start=0, stop=20, step=2)

pd.Int64Index

64位整数型索引

In [4]:

s3 = pd.Int64Index([1,2,3,4,5,6,7,8],name="Peter")
s3

Out[4]:

Int64Index([1, 2, 3, 4, 5, 6, 7, 8], dtype='int64', name='Peter')

pd.UInt64Index

无符号整数索引

In [5]:

s4 = pd.UInt64Index([1, 2.0, 3, 4],name="Tom")
s4

Out[5]:

UInt64Index([1, 2, 3, 4], dtype='uint64', name='Tom')

pd.Float64Index

64位浮点型的索引

In [6]:

s5 = pd.Float64Index([1.5, 2.4, 3.7, 4.9],name="peter")
s5

Out[6]:

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]:

s6 = pd.interval_range(start=0, end=6, closed="left")
s6

Out[7]:

IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)],
              closed='left',
              dtype='interval[int64]')

pd.CategoricalIndex

In [8]:

s7 = pd.CategoricalIndex(
    # 待排序的数据
    ["S","M","L","XS","M","L","S","M","L","XL"],
    # 指定分类顺序
    categories=["XS","S","M","L","XL"],
    # 排需
    ordered=True,
    # 索引名字
    name="category"
)

s7

Out[8]:

CategoricalIndex(['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'], 
										categories=['XS', 'S', 'M', 'L', 'XL'], 
										ordered=True, 
										name='category', 
										dtype='category')

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]:

# 日期作为索引，D代表天

s8 = pd.date_range("2022-01-01",periods=6, freq="D")
s8

Out[9]:

DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', 
								'2022-01-04','2022-01-05', '2022-01-06'],
              dtype='datetime64[ns]', freq='D')

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]:

s9 = pd.PeriodIndex(['2022-01-01', '2022-01-02', 
											'2022-01-03', '2022-01-04'],
                    freq = '2H')
s9

Out[10]:

PeriodIndex(['2022-01-01 00:00', '2022-01-02 00:00', 
							'2022-01-03 00:00', '2022-01-04 00:00'],
            dtype='period[2H]', freq='2H')

pd.TimedeltaIndex

In [11]:

data = pd.timedelta_range(start='1 day', end='3 days', freq='6H')
data

Out[11]:

TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
                '1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
                '2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
               dtype='timedelta64[ns]', freq='6H')

In [12]:

s10 = pd.TimedeltaIndex(data)
s10

Out[12]:

TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
                '1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
                '2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
               dtype='timedelta64[ns]', freq='6H')

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]:

df = pd.read_csv("student.csv") 
df

df.index

RangeIndex(start=0, stop=4, step=1)

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]:

df1 = pd.read_csv("student.csv", index_col="name")  # 指定单个字段作为索引
df1

# 除了直接指定列名，还可以根据列名的索引：name-0  sex-1
pd.read_csv("student.csv", index_col=0)

我们查看具体的索引：

In [17]:

df1.index

Out[17]:

Index(['xiaoming', 'xiaozhou', 'peter', 'mike'], dtype='object', name='name')

同时指定多个字段作为索引：

In [18]:

df2 = pd.read_csv("student.csv", index_col=["name","sex"])
df2

我们发现此时数据框df2的索引是一个多层索引MultiIndex

In [20]:

df2.index

Out[20]:

MultiIndex([('xiaoming',   'male'),
            ('xiaozhou', 'female'),
            (   'peter',   'male'),
            (    'mike',   'male')],
           names=['name', 'sex'])

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]:

df.set_index("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]:

id(df)   # 改变前

Out[28]:

4633094992

In [29]:

df.set_index("name",inplace=True)  # 原地修改

In [30]:

id(df)  # 改变后

Out[30]:

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：