数据分析-pandas之Serises,DataFrame索引和复合索引

简单的索引操作：

?获取index：df.index

?指定index ：df.index = ['x','y']

?重新设置index : df.reindex(list("abcedf"))

?指定某一列作为index ：df.set_index("Country",drop=False)

?返回index的唯一值：df.set_index("Country").index.unique()

1.获取索引

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))

#打印索引
print(a.index)

2.指定index

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))

#打印索引
# print(a.index)

#给索引重新赋值
a.index=["x","y","z"]
print(a)

3..重新设置index

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))

#打印索引
# print(a.index)

#给索引重新赋值
# a.index=["x","y","z"]
# print(a)

#重新设置索引
b=a.reindex(["o","p","x"])
print(b)

4.指定某一列作为index

4-1当set_index(）参数drop为true时,默认情况是true

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))


#指定某一列作为index
b=a.set_index("a")
print(b)

4-2当set_index(）参数drop为false时

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))


#指定某一列作为index
b=a.set_index("a",drop=False)
print(b)

5.返回index的唯一值

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))


#返回index的唯一值
b=a.set_index("a")
print(b)
print(b.index.unique())
print('%'*50)

6.当一个dataframe，设置两个索引时，那么我们又该如何获取想要的值呢，需要用到loc()方法

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))


#当一个dataframe，设置两个索引时,得到两个索引的dataframe
#1.如何获取某个索引对应的数据
#2.我们该如何取某个具体数据呢
b=a.set_index(["a",'b'],drop=False)
print(b)
print(b.loc[0])
print(b.loc[0].loc[1])
print("#34;*50)

当我们打印b.index时，外层索引是0，4，8；内层索引是1，5，9

7.当一个dataframe，设置a，b两个索引时,取c列的值，这时得到的是含有两个索引的series，对于series的处理就简单了

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))

#当一个dataframe，设置两个索引时,得到两个索引的dataframe
b=a.set_index(["a",'b'],drop=False)
print(b)
print("#34;*50)


#把a,b列当作索引，取c列的值，得到含有两个索引的series，
#1.获取series索引时，左边一列是a的索引，右边一列是b的索引
#2.把含有两个索引的series 变成含有单索引的series,如果是字符型的索引就要加引号
#3.含有两个索引的series获取某个具体值时,要用到两个索引的挟制
b2=a.set_index(["a",'b'])["c"]
print(b2)
print(b2.index)
print(b2[0])
print(b2[0][1])
print('^'*50)

8.交换两个索引的位置

为什么要交换索引：如果我们想通过内测索引得到对应的值，就要用到交换，然后接下来的操作跟上述是一样的。

import pandas as pd
import numpy as np

a=pd.DataFrame(np.array(range(12)).reshape(3,4),index=["A","B","C"],
               columns=list("abcd"))


#当一个dataframe，设置两个索引时,得到两个索引的dataframe
b=a.set_index(["a",'b'],drop=False)
print(b)
print("#34;*50)

#交换两个索引的位置
#扩展：对于有两个索引的dataframe，想直接取第二个索引对应的值，需要把2个索引交换位置，
# 再通过索引取值，不过得到是一个series
b3=b.swaplevel()
print(b3)
print('&'*50)