扫码关注官方微信

扫码下载APP
返回顶部
首页 > 资讯 > 后端开发 > Python >Python pandas索引的设置和修改方法
  • 835

0
分享到

Python pandas索引的设置和修改方法

2024-04-02 19:04:59 835人浏览 泡泡鱼

Python 官方文档：入门教程 => 点击学习

摘要

目录前言创建索引pd.Indexpd.IntervalIndexpd.CateGoricalIndexpd.DatetimeIndexpd.PeriodIndexpd.Timedel

前言

本文主要是介绍pandas中行和列索引的4个函数操作：

  • set_index
  • reset_index
  • set_axis
  • rename

创建索引

快速回顾下Pandas创建索引的常见方法：

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.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 [3]:

s2 = pd.interval_range(start=0, end=6, closed="left")
s2

Out[3]:

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

pd.CategoricalIndex

In [4]:

s3 = 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"
)

s3

Out[4]:

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 [5]:

# 日期作为索引，D代表天

s4 = pd.date_range("2022-01-01",periods=6, freq="D")
s4

Out[5]:

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 [6]:

s5 = pd.PeriodIndex(['2022-01-01', '2022-01-02', 
											'2022-01-03', '2022-01-04'], 
											freq = '2H')
s5

Out[6]:

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 [7]:

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

Out[7]:

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 [8]:

s6 = pd.TimedeltaIndex(data)
s6

Out[8]:

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')

读取数据

下面通过一份 简单的数据来讲解4个函数的使用。数据如下：

set_index

设置单层索引

In [10]:

# 设置单层索引

df1 = df.set_index("name")
df1

我们发现df1的索引已经变成了name字段的相关值。

下面是设置多层索引：

# 设置两层索引

df2 = df.set_index(["sex","name"])
df2

reset_index

对索引的重置：

针对多层索引的重置：

多层索引直接原地修改：

set_axis

将指定的数据分配给所需要的轴axis。其中axis=0代表行方向，axis=1代表列方向。

两种不同的写法：

axis=0 等价于  axis="index"
axis=1 等价于  axis="columns"

操作行索引

使用 index 效果相同：

原来的df2是没有改变的。如果我们想改变生效，同样也可以直接原地修改：

操作列索引

针对axis=1或者axis="columns"方向上的操作。

1、直接传入我们需要修改的新名称：

使用axis="columns"效果相同：

同样也可以直接原地修改：

rename

给行索引或者列索引进行重命名，假设我们的原始数据如下：

字典形式

1、通过传入的一个或者多个属性的字典形式进行修改：

In [29]:

# 修改单个列索引；非原地修改
df2.rename(columns={"Sex":"sex"})

同时修改多个列属性的名称：

函数形式

2、通过传入的函数进行修改：

In [31]:

# 传入函数
df2.rename(str.upper, axis="columns")

也可以使用匿名函数lambda：

# 全部变成小写
df2.rename(lambda x: x.lower(), axis="columns")

使用案例

In [33]:

在这里我们使用的是可视化库plotly_express库中的自带数据集tips：

import plotly_express as px

tips = px.data.tips()  
tips

按日统计总消费

In [34]:

df3 = tips.groupby("day")["total_bill"].sum()
df3

Out[34]:

day
Fri      325.88
Sat     1778.40
Sun     1627.16
Thur    1096.33
Name: total_bill, dtype: float64

In [35]:

我们发现df3其实是一个Series型的数据：

type(df3)   # Series型的数据

Out[35]:

pandas.core.series.Series

In [36]:

下面我们通过reset_index函数将其变成了DataFrame数据：

df4 = df3.reset_index()
df4

我们把列方向上的索引重新命名下：

In [37]:

# 直接原地修改
df4.rename(columns={"day":"Day", "total_bill":"Amount"}, 
           inplace=True)

df4

按日、性别统计小费均值，消费总和

In [38]:

df5 = tips.groupby(["day","sex"]).agg({"tip":"mean", "total_bill":"sum"})
df5

我们发现df5是df5是一个具有多层索引的数据框：

In [39]:

type(df5)

Out[39]:

pandas.core.frame.DataFrame

我们可以选择重置其中一个索引：

在重置索引的同时，直接丢弃原来的字段信息：下面的sex信息被删除

In [41]:

df5.reset_index(["sex"],drop=True)  # 非原地修改

列方向上的索引直接原地修改：

df5.reset_index(inplace=True)  # 原地修改
df5

笨方法

最后介绍一个笨方法来修改列索引的名称：就是将新的名称通过列表的形式全部赋值给数据框的columns属性

在列索引个数少的时候用起来挺方便的，如果多了不建议使用。

总结

到此这篇关于python pandas索引的设置和修改的文章就介绍到这了,更多相关pandas索引设置和修改内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！

您可能感兴趣的文档:

--结束END--

本文标题: Python pandas索引的设置和修改方法

本文链接: https://lsjlt.com/news/118841.html(转载时请注明来源链接)

有问题或投稿请发送至: 邮箱/279061341@qq.com    QQ/279061341

猜你喜欢
  • Python pandas索引的设置和修改方法
    目录前言创建索引pd.Indexpd.IntervalIndexpd.CategoricalIndexpd.DatetimeIndexpd.PeriodIndexpd.Timedel...
    99+
    2024-04-02
  • Python pandas索引如何设置和修改
    这篇“Python pandas索引如何设置和修改”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Python&nb...
    99+
    2023-07-02
  • pandas中DataFrame重置索引的几种方法
    在pandas中，经常对数据进行处理 而导致数据索引顺序混乱，从而影响数据读取、插入等。 小笔总结了以下几种重置索引的方法： import pandas as pd import...
    99+
    2024-04-02
  • navicat设置索引的方法
    这篇文章将为大家详细讲解有关navicat设置索引的方法，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。打开Navicat。打开数据表所在的数据库，右击需要新增字段的数据库...
    99+
    2024-04-02
  • python怎么修改索引和行列
    本篇内容介绍了“python怎么修改索引和行列”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！python如何修改索引和行列修改索引修改索引之...
    99+
    2023-07-05
  • 怎么使用Python中Pandas的索引对齐方法
    本篇内容介绍了“怎么使用Python中Pandas的索引对齐方法”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！一.索引对象支持集合运算：联合...
    99+
    2023-06-02
  • Python Pandas中布尔索引的用法详解
    目录使用布尔索引访问 DataFrame使用.loc[]访问具有布尔索引的数据框使用.iloc[]访问具有布尔索引的数据框使用.ix[]访问具有布尔索引的数据框将布尔掩码应用于数据框...
    99+
    2024-04-02
  • 利用Pandas索引和选取数据方法详解
    目录1. 导入数据集2. 列选择3. 行选择数字Index字符串Index4. 行+列选择，找到元素获取北汽2019年11月的销量获取前5个品牌从2019年10月到12月的销量5. ...
    99+
    2024-04-02
  • mysql的索引类型和索引方法
    mysql 索引类型包括普通索引、唯一索引、全文索引、空间索引和哈希索引。索引方法有 btree、hash 和 rtree。选择合适的索引类型和方法取决于数据类型和查询模式，例如范围查找...
    99+
    2024-04-22
    mysql
  • Pandas DataFrame数据修改值的方法
    dfmi.iloc[:,1] pandas要修改值先需要了解DataFrame的一些知识 此处参照的是pandas的官方文档 When setting values in a pan...
    99+
    2024-04-02
  • mysql设置联合唯一索引的方法
    这篇文章主要介绍mysql设置联合唯一索引的方法，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！mysql可以设置联合唯一索引，方法：使用“Alter table 表名 add &nb...
    99+
    2024-04-02
  • 创建、修改、删除mysql表、视图、索引的方法
    下面讲讲关于创建、修改、删除mysql表、视图、索引的方法，文字的奥妙在于贴近主题相关。所以，闲话就不谈了，我们直接看下文吧，相信看完创建、修改、删除mysql表、视图、索引的方法这篇文章你一定会有所受益。...
    99+
    2024-04-02
  • python pandas创建多层索引MultiIndex的6种方式
    目录引言pd.MultiIndex.from_arrays()pd.MultiIndex.from_tuples()列表和元组是可以混合使用的pd.MultiIndex.from_p...
    99+
    2024-04-02
  • centos修改php时间设置的方法
    这篇文章主要介绍了centos修改php时间设置的方法，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。方法：首先执行“find / -name php.ini”命令找到“php...
    99+
    2023-06-14
  • python pandas中索引函数loc和iloc的区别分析
    目录前言1、直接使用行或者列标签2、loc函数3、iloc函数总结前言 使用pandas进行数据分析的时候，我们经常需要对DataFrame的行或者列进行索引。使用pandas进行索...
    99+
    2024-04-02
  • pandas Dataframe实现批量修改值的方法
    目录1.使用iloc对数据进行批量修改2.对数据进行判定后,相互+/-/某个数*第一种方法：使用内置函数where函数第二种方法：使用mask函数第三种方法：replace...
    99+
    2024-04-02
  • pandas中join()方法怎么用于索引上的合并
    小编给大家分享一下pandas中join()方法怎么用于索引上的合并，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！python有哪些常用库python常用的库：1...
    99+
    2023-06-14
  • css3导航索引设计的方法
    本篇内容主要讲解“css3导航索引设计的方法”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“css3导航索引设计的方法”吧!   HTML为表单标签定...
    99+
    2024-04-02
  • MyBatisPlus唯一索引批量新增或修改的实现方法
    MyBatis-Plus提供了一个便捷的方式基于唯一索引批量新增或修改记录。具体步骤如下： 在实体类中标注唯一索引，使用@TableIndex注解，例如： @TableName("u...
    99+
    2023-03-22
    MyBatisPlus唯一索引批量新增 MyBatisPlus唯一索引批量修改
  • python修改包导入时搜索路径的方法
    目录前言一、模块导入时路径搜索机制1.1 包导入搜索机制1.2 修改搜索路径1.2.1 通过修改sys.path变量1.2.2 通过修改PYTHONPATH环境变量1.2.3 通过添...
    99+
    2024-04-02
软考高级职称资格查询
热门wiki
近期文章
推荐阅读
热门问答
热门标签
编程网，编程工程师的家园，是目前国内优秀的开源技术社区之一，形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容，为IT开发者提供了一个发现、使用、并交流开源技术的平台。

  • 官方手机版

  • 微信公众号

  • 商务合作