3-Pandas数据初探索之索引调整方法

一、调整索引、修改列标签

1、调整索引的两种情况：

• 重新索引
• 设置新的索引

（1）重新索引

　　在Pandas对象中，其实索引也是一个对象，所以可对其进行修改。

　　　　例如：df.index=['a','b','c']

>>> df = {'one':pd.Series(np.random.randn(3)),'two':pd.Series(np.random.randn(3)),
'three':pd.Series(np.random.rand(3))}
>>> df = pd.DataFrame(df)
>>> df
        one       two     three
0 -0.996986  0.190981  0.482912
1 -0.233812 -0.140953  0.052706
2  0.470900  0.590664  0.486823

#设置索引
>>> df.index=['a','b','c']
>>> df
        one       two     three
a -0.996986  0.190981  0.482912
b -0.233812 -0.140953  0.052706
c  0.470900  0.590664  0.486823

（2）设置新的索引

　　reindex()：重新索引并得到一个新的Pandas对象。

　　且reindex()方法不仅可以重新索引DataFrame，也可以同时实现过滤功能。

>>> new = df.reindex(['b','c','e'])
>>> new
        one       two     three
b -0.233812 -0.140953  0.052706
c  0.470900  0.590664  0.486823
e       NaN       NaN       NaN

　　reindex()也可以用来调整列的顺序，这时需要设定axis参数为'columns'或1；

>>> df.reindex(['three','two','one'],axis='columns')
      three       two       one
a  0.766450  0.452801  1.286715
b  0.342262  1.523188  0.620788
c  0.867786  0.758714 -2.343242

（3）使用set_index()可以指定某一列为索引，这在对日期型数据或者是以名称进行区分的数据非常有用，后期会以实例描述的更为详细。

>>> df.set_index('one')
                two     three
one
-0.996986  0.190981  0.482912
-0.233812 -0.140953  0.052706
 0.470900  0.590664  0.486823

　　上述的方法在将某一列设置为索引后，特征不会将该列进行保存，若需要将设置为索引的列保留在数据中，则需要将参数drop设置为False：

　　>>> df.set_index('one',drop=False)

                one       two     three
one
 1.286715  1.286715  0.452801  0.766450
 0.620788  0.620788  1.523188  0.342262
-2.343242 -2.343242  0.758714  0.867786

 　　若是希望在原来索引的基础之上添加新的变量构成层次化索引，则设置append参数为True；　　

　　>>>df.set_index('one',append=True)

>>> df
        one       two     three
a  1.286715  0.452801  0.766450
b  0.620788  1.523188  0.342262
c -2.343242  0.758714  0.867786
>>> df.set_index('one',append=True)
                  two     three
  one
a  1.286715  0.452801  0.766450
b  0.620788  1.523188  0.342262
c -2.343242  0.758714  0.867786

2、修改标签

　　修改索引和列名的标签可以使用rename()方法结合字典、Series或者一个原函数将标签映射为一个新的标签。

　　（1）关于结合字典可以参照3-Pandas之Series和DataFrame区别的第六部分，

　　（2）使用函数映射的方式

　　例：将字符串的大写转换函数传入，对列标签进行修改

>>> df.rename(columns=str.upper)
        ONE       TWO     THREE
a -0.996986  0.190981  0.482912
b -0.233812 -0.140953  0.052706
c  0.470900  0.590664  0.486823

　　例：结合lambda：将所有的列的前2个字符大写，其余小写

>>> df.rename(columns=lambda x:x[:2].upper()+x[2:].lower())
        ONe       TWo     THree
a -0.996986  0.190981  0.482912
b -0.233812 -0.140953  0.052706
c  0.470900  0.590664  0.486823

二、创建层次化索引

　　层次化索引可以基于Series和DataFrame创建更加高维的数据。

　　也就是说，若有一个DataFrame是一个堆积式的（在一个轴上需要创建不止一个索引），那么此时就需要用到层次化索引，这和Panel有些类似。但是在实际中并不是很常用！

创建一个层次化索引：

>>> data=pd.Series(np.random.randn(5),index=[['a','a','b','b','b'],['a1','a2','b1','b2','b3']])
>>> data
a  a1    0.792324
   a2   -0.650764
b  b1   -0.282874
   b2   -1.402477
   b3   -3.551578
dtype: float64

#查看索引
>>> data.index
MultiIndex(levels=[['a', 'b'], ['a1', 'a2', 'b1', 'b2', 'b3']],
           codes=[[0, 0, 1, 1, 1], [0, 1, 2, 3, 4]])
#levels包含了每个级别索引的标签，labels是对每个数据在对应不同levels的位置进行了标记

每个index均有一个属性（名称names），可通过.index.names对索引列的列名进行创建于修改

>>> data.index.names=['first','second']
>>> data
first  second
a      a1        0.792324
       a2       -0.650764
b      b1       -0.282874
       b2       -1.402477
       b3       -3.551578
dtype: float64

三、重排级别顺序

 重排级别顺序是基于有索引个数>=1的DataFrame。

（1）swaplevel():将columns轴上的索引级别进行互换。

　　>>>df.swaplevel(0,1,axis=1)

（2）reorder_levels()：指定多个级别的顺序

（3）提取数据还是可以使用iloc()与loc()

（4）unstack()：若index轴上有多个级别索引的DataFrame，使用该方法将指定级别(level参数)安排在columns上形成一个新的DataFrame