Pandas数据处理解析和例子 _数据处理

数据分析和建模的大部分时间都花费在数据准备和处理上, 即加载, 清理和重新布置数据等。此外, 由于有了Python库, Pandas为我们提供了高性能, 灵活和高级的处理环境数据。大Pandas可以使用各种功能来有效地处理数据。
分层索引
为了增强数据处理的功能, 我们必须使用一些索引来帮助根据标签对数据进行排序。因此, 分层索引已成为图片, 它被定义为Pandas的一项基本功能, 可帮助我们使用多个索引级别。
创建多个索引
在分层索引中, 我们必须为数据创建多个索引。本示例创建具有多个索引的系列。
例：

import pandas as pdinfo = pd.Series([11, 14, 17, 24, 19, 32, 34, 27], index = [['x', 'x', 'x', 'x', 'y', 'y', 'y', 'y'], ['obj1', 'obj2', 'obj3', 'obj4', 'obj1', 'obj2', 'obj3', 'obj4']])data

输出

aobj111obj214obj317obj424 bobj119obj232obj334obj427dtype: int64

我们在这里采用了两个索引级别, 即(a, b)和(obj1, … , obj4), 可以使用’ index’ 命令查看索引。

info.index

输出

MultiIndex(levels=[['x', 'y'], ['obj1', 'obj2', 'obj3', 'obj4']], labels=[[0, 0, 0, 0, 1, 1, 1, 1], [0, 1, 2, 3, 0, 1, 2, 3]])

部分索引
可以将部分索引定义为从分层索引中选择特定索引的一种方式。
下面的代码从数据中提取” b” ,

import pandas as pdinfo = pd.Series([11, 14, 17, 24, 19, 32, 34, 27], index = [['x', 'x', 'x', 'x', 'y', 'y', 'y', 'y'], ['obj1', 'obj2', 'obj3', 'obj4', 'obj1', 'obj2', 'obj3', 'obj4']])info['b']

输出

obj119 obj232 obj334 obj427dtype: int64

此外, 还可以基于内部级别即” obj” 提取数据。以下结果定义了系列中’ obj2’ 的两个可用值。

info[:, 'obj2']

输出

x14 y 32dtype: int64

拆栈数据
Unstack意味着将行标题更改为列标题。行索引将更改为列索引, 因此Series将成为DataFrame。以下是取消堆叠数据的示例。
例：

import pandas as pdinfo = pd.Series([11, 14, 17, 24, 19, 32, 34, 27], index = [['x', 'x', 'x', 'x', 'y', 'y', 'y', 'y'], ['obj1', 'obj2', 'obj3', 'obj4', 'obj1', 'obj2', 'obj3', 'obj4']])# unstack on first level i.e. x, y#note that data row-labels are x and ydata.unstack(0)

输出

ab obj11119obj21432obj3 1734 obj42427# unstack based on second level i.e. 'obj'info.unstack(1)

输出

obj1 obj2 obj3 obj4 a11141724b19323427

【Pandas数据处理解析和例子】‘ stack()’ 操作用于将列索引转换为行索引。在上面的代码中, 我们可以使用” 堆栈” 操作将” obj” 作为列索引转换为行索引。

import pandas as pdinfo = pd.Series([11, 14, 17, 24, 19, 32, 34, 27], index = [['x', 'x', 'x', 'x', 'y', 'y', 'y', 'y'], ['obj1', 'obj2', 'obj3', 'obj4', 'obj1', 'obj2', 'obj3', 'obj4']])# unstack on first level i.e. x, y#note that data row-labels are x and ydata.unstack(0) d.stack()

输出

aobj111obj214obj317obj424 bobj119obj232obj334 obj427dtype: int64

列索引
请记住, 因为列索引需要二维数据, 所以列索引仅适用于DataFrame(不适用于Series)。让我们创建一个新的DataFrame来演示具有多个索引的列,

import numpy as np info = pd.DataFrame(np.arange(12).reshape(4, 3), index = [['a', 'a', 'b', 'b'], ['one', 'two', 'three', 'four']], columns = [['num1', 'num2', 'num3'], ['x', 'y', 'x']] ... ) info

输出

num1 num2 num3xyxa one0 1 2 two3 4 5b three 6 7 8 four 9 10 11

# display row index info.index

输出

MultiIndex(levels=[['x', 'y'], ['four', 'one', 'three', 'two']], labels=[[0, 0, 1, 1], [1, 3, 2, 0]])

# display column index info.columns

输出

MultiIndex(levels=[['num1', 'num2', 'num3'], ['green', 'red']], labels=[[0, 1, 2], [1, 0, 1]])

交换和排序级别
我们可以使用” swaplevel” 命令轻松地交换索引级别, 该命令将输入??作为两个级别编号。

import numpy as np info = pd.DataFrame(np.arange(12).reshape(4, 3), index = [['a', 'a', 'b', 'b'], ['one', 'two', 'three', 'four']], columns = [['num1', 'num2', 'num3'], ['x', 'y', 'x']] ... ) info.swaplevel('key1', 'key2') nnum1 num2 num3 pxyx key2 key1 onea 0 1 2 twoa 3 4 5 three b 6 7 8four b 9 10 11

我们可以使用” sort_index” 命令对标签进行排序。数据将按” key2″ 名称(即按字母顺序排列的key2)排序。