今天我們來聊一下Pandas當中的數據集中帶有多重索引的數據分析實戰

通常我們接觸比較多的是單層索引（左圖），而多級索引也就意味著數據集當中的行索引有多個層級（右圖），具體的如下圖所示

AUTUMN

導入數據

我們先導入數據與pandas模塊，源數據獲取，公眾號后臺回復【多重索引】就能拿到

import?pandas?as?pd##?導入數據集 df?=?pd.read_csv('dataset.csv') df.head()

output

該數據集描述的是英國部分城市在2019年7月1日至7月4日期間的全天天氣狀況，我們先來看一下當前的數據集的行索引有哪些？代碼如下

df.index.names

output

FrozenList(['City',?'Date'])

數據集當中City、Date，這里的City我們可以當作是第一層級索引，而Date則是第二層級索引。

我們也可以通過調用sort_index()方法來按照數據集的行索引來進行排序，代碼如下

df_1?=?df.sort_index() df_1

output

要是我們想將這個多層索引去除掉，就調用reset_index()方法，代碼如下

df.reset_index()

下面我們就開始針對多層索引來對數據集進行一些分析的實戰吧

第一層級的數據篩選

在pandas當中數據篩選的方法，一般我們是調用loc以及iloc方法，同樣地，在多層級索引的數據集當中數據的篩選也是調用該兩種方法，例如篩選出倫敦白天的天氣狀況如何，代碼如下

df_1.loc['London'?,?'Day']

output

要是我們想針對所有的行，就可以這么來做

df_1.loc[:,?'Day']

output

同理針對所有的列，就可以這么來做

df_1.loc['London'?,?:]

output

多層級索引的數據篩選

要是我們想看倫敦2019年7月1日白天的天氣狀況，就可以這么來做

df.loc['London',?'Day'].loc['2019-07-01']

output

Weather???????????????Shower Wind???????????????SW?16?mph Max?Temperature???????????28 Name:?2019-07-01,?dtype:?object

這里我們進行了兩次數據篩選的操作，先是df.loc['London', 'Day']，然后再此的基礎之上再進行loc['2019-07-01']操作，當然還有更加方便的步驟，代碼如下

df.loc[('London',?'2019-07-01'),?'Day']

output

Weather???????????????Shower Wind???????????????SW?16?mph Max?Temperature???????????28 Name:?2019-07-01,?dtype:?object

除此之外我們要是想看一下倫敦2019年7月1日和7月2日兩天白天的天氣情況，就可以這么來做

df.loc[?('London'?,?['2019-07-01','2019-07-02']?)?,'Day' ]

output

在此基礎之上，我們想要看天氣和風速這兩列，我們也可以單獨摘出來，代碼如下

df.loc[?'London'?,('Day',?['Weather',?'Wind']) ]

output

按照范圍來篩選數據

對于第一層級的索引而言，我們同樣還是調用loc方法來實現

df.loc['Cambridge':'Oxford','Day' ]

output

但是對于第二層級的索引，要是用同樣的方式來用就會報錯，

df.loc[('London',?'2019-07-01':?'2019-07-03'),'Day' ]

output

SyntaxError:?invalid?syntax?(<ipython-input-22-176180497f92>,?line?3)

正確的寫法代碼如下

df.loc[('London','2019-07-01'):('London','2019-07-03'),'Day' ]

output

篩選出所有全部的內容

對于單層索引而言，我們通過:來篩選出所有的內容，但是在多層級的索引上面則并不適用，

#?出現語法錯誤 df.loc[?('London',?:),'Day' ] #?出現語法錯誤 df.loc[?(:?,?'2019-07-04'),'Day' ]

正確的做法如下所示

#?篩選出倫敦下面所有天數的白天天氣情況 df.loc[?('London',?slice(None)),'Day' ]

output

#?篩選出2019年7月4日下所有城市的白天天氣情況 df.loc[(slice(None)?,?'2019-07-04'),?'Day' ]

output

當然這里還有更加簡便的方法，我們通過調用pandas當中IndexSlice函數來實現，代碼如下

from?pandas?import?IndexSlice?as?idx df.loc[?idx[:?,?'2019-07-04'],?'Day' ]

output

又或者是

rows?=?idx[:?,?'2019-07-01'] cols?=?idx['Day'?,?['Max?Temperature','Weather']] df.loc[rows,?cols]

output

xs()方法的調用

對于多層級索引的數據集而言，調用xs()方法能夠更加方便地進行數據的篩選，例如我們想要篩選出日期是2019年7月4日的所有數據，代碼如下

df.xs('2019-07-04',?level='Date')

output

我們需要在level參數上指定是哪個標簽，例如我們想要篩選出倫敦2019年7月4日全天的天氣情況，代碼如下

df.xs(('London',?'2019-07-04'),?level=['City','Date'])

output

最后xs方法可以和上面提到的IndexSlice函數聯用，針對多層級的數據集來進行數據的篩選，例如我們想要篩選出2019年7月2日至7月4日，倫敦全天的天氣狀況，代碼如下

rows=?(idx['2019-07-02':'2019-07-04'],?'London' ) df.xs(rows?,?level?=?['Date','City'] )

output

END

各位伙伴們好，詹帥本帥搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數據類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環和各種表達式（長文系列第②篇）

牛逼！Python函數和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結

以上是生活随笔為你收集整理的Pandas多层级索引的数据分析案例，超干货的！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。