什么是多重/分層索引

多重/分層索引(MultiIndex)可以理解為堆疊的一種索引結(jié)構(gòu)，它的存在為一些相當(dāng)復(fù)雜的數(shù)據(jù)分析和操作打開了大門，尤其是在處理高緯度數(shù)據(jù)的時(shí)候就顯得十分地便利，我們首先來(lái)創(chuàng)建帶有多重索引的DataFrame數(shù)據(jù)集。

多重索引的創(chuàng)建

首先在“列”方向上創(chuàng)建多重索引，即我們?cè)谡{(diào)用columns參數(shù)時(shí)傳遞兩個(gè)或者更多的數(shù)組，代碼如下：

df1 = pd.DataFrame(np.random.randint(0, 100, size=(2, 4)),
                   index= ['ladies', 'gentlemen'],
                   columns=[['English', 'English', 'French', 'French'],
                            ['like', 'dislike', 'like', 'dislike']])

output

那么同理我們想要在“行”方向上存在多重索引，則是在調(diào)用index參數(shù)的時(shí)候傳遞兩個(gè)或者更多數(shù)組即可，代碼如下：

df = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),
                   index= [['English','', 'Chinese',''],
                           ['like','dislike','like','dislike']],
                   columns=['ladies', 'gentlemen'])

output

除此之外，還有其他幾種常見的方式來(lái)創(chuàng)建多重索引，分別是:

• pd.MultiIndex.from_arrays
• pd.MultiIndex.from_frame
• pd.MultiIndex.from_tuples
• pd.MultiIndex.from_product

小編這里就挑其中的一種來(lái)為大家演示如何來(lái)創(chuàng)建多重索引，代碼如下:

df2 = pd.DataFrame(np.random.randint(0, 100, size=(4, 2)),  
                   columns= ['ladies', 'gentlemen'],
                   index=pd.MultiIndex.from_product([['English','French'],
                                                    ['like','dislike']]))

output

獲取多重索引的值

接下來(lái)我們來(lái)看一下怎么獲取帶有多重索引的數(shù)據(jù)集當(dāng)中的數(shù)據(jù)，使用到的數(shù)據(jù)集是英國(guó)三大主要城市倫敦、劍橋和牛津在2019年全天的氣候數(shù)據(jù)，如下所示:

import pandas as pd
from pandas import IndexSlice as idx  
df = pd.read_csv('dataset.csv',
    index_col=[0,1],
    header=[0,1]
)
df = df.sort_index()
df

output

在“行”索引上，我們可以看到是“城市”以及“日期”這兩個(gè)維度，而在“列”索引上，我們看到的是則是“不同時(shí)間段”以及一些“氣溫”等指標(biāo)，首先來(lái)看一下“列”方向多重索引的層級(jí)，代碼如下:

df.columns.levels

output

FrozenList([['Day', 'Night'], ['Max Temperature', 'Weather', 'Wind']])

我們想要獲取第一層級(jí)上面的索引值，代碼如下:

df.columns.get_level_values(0)

output

Index(['Day', 'Day', 'Day', 'Night', 'Night', 'Night'], dtype='object')

那么同理，第二層級(jí)的索引值，只是把當(dāng)中的0替換成1即可，代碼如下:

df.columns.get_level_values(1)

output

Index(['Weather', 'Wind', 'Max Temperature', 'Weather', 'Wind',
       'Max Temperature'],
      dtype='object')

那么在“行”方向上多重索引值的獲取也是一樣的道理，這里就不多加以贅述了。

數(shù)據(jù)的獲取

那么涉及到數(shù)據(jù)的獲取，方式也有很多種，最常用的就是loc()方法以及iloc()方法了，例如:

df.loc['London' , 'Day']
## 或者是
df.loc[('London', ) , ('Day', )]

output

通過(guò)調(diào)用loc()方法來(lái)獲取第一層級(jí)上的數(shù)據(jù)，要是我們想要獲取所有“行”的數(shù)據(jù)，代碼如下:

df.loc[:, 'Day']
## 或者是
df.loc[:, ('Day',)]

output

或者是所有“列”的數(shù)據(jù)，代碼如下:

df.loc['London' , :]
## 或者是
df.loc[('London', ) , :]

output

當(dāng)然我們也可以這么來(lái)做，在行方向上指定第二層級(jí)上的索引，代碼如下:

df.loc['London' , '2019-07-02']
## 或者是
df.loc[('London' , '2019-07-02')]

output

多重索引的數(shù)據(jù)獲取

假設(shè)我們想要獲取劍橋在2019年7月3日白天的數(shù)據(jù)，代碼如下:

df.loc['Cambridge', 'Day'].loc['2019-07-03']

output

在第一次調(diào)用loc['Cambridge', 'Day']的時(shí)候返回的是DataFrame數(shù)據(jù)集，然后再通過(guò)調(diào)用loc()方法來(lái)提取數(shù)據(jù)，當(dāng)然這里還有更加快捷的方法，代碼如下:

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

我們需要傳入元祖的形式的索引值來(lái)進(jìn)行數(shù)據(jù)的提取。要是我們不只是想要獲取單行或者是單列的數(shù)據(jù)，可以這么來(lái)操作:

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

output

或者是獲取多列的數(shù)據(jù)，代碼如下:

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

output

我們要是想要獲取劍橋在2019年7月1日到3日，連續(xù)3天的白天氣候數(shù)據(jù)，代碼如下:

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

output

這么來(lái)寫是會(huì)報(bào)語(yǔ)法錯(cuò)誤的，正確的方法應(yīng)該是這么來(lái)做:

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

xs()方法的調(diào)用

小編另外推薦xs()方法來(lái)指定多重索引中的層級(jí)，例如我們只想要2019年7月1日各大城市的數(shù)據(jù)，代碼如下:

df.xs('2019-07-01', level='Date')

output

還能夠接受多個(gè)維度的索引，例如想要獲取倫敦在2019年7月4日的全天數(shù)據(jù)，代碼如下:

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

output

另外還有axis參數(shù)來(lái)指定是獲取“列”方向還是“行”方向上的數(shù)據(jù)，例如我們想要獲取“Weather”這一列的數(shù)據(jù)，代碼如下:

df.xs('Weather', level=1, axis=1)

output

當(dāng)中的level參數(shù)代表的是層級(jí)，我們將其替換成0，看一下出來(lái)的結(jié)果。

df.xs('Day', level=0, axis=1)

output

篩選出來(lái)的是三個(gè)主要城市2019年白天的氣候數(shù)據(jù)。

IndexSlice()方法的調(diào)用

同時(shí)Pandas內(nèi)部也提供了IndexSlice()方法來(lái)方便我們更加快捷地提取出多重索引數(shù)據(jù)集中的數(shù)據(jù)，代碼如下:

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

output

我們同時(shí)可以指定行以及列方向上的索引來(lái)進(jìn)行數(shù)據(jù)的提取，代碼如下:

rows = idx[: , '2019-07-02']
cols = idx['Day' , ['Max Temperature','Weather']]
df.loc[rows, cols]

output