首页
学习
活动
专区
工具
TVP
发布
您找到你想要的搜索结果了吗?
是的
没有找到

Pandas多层级索引的数据分析案例,超干货的!

在pandas当中数据筛选的方法,一般我们是调用loc以及iloc方法,同样地,在多层级索引的数据集当中数据的筛选也是调用该两种方法,例如筛选出伦敦白天的天气状况如何,代码如下 df_1.loc['London...' , 'Day'] output 要是我们想针对所有的行,就可以这么来做 df_1.loc[:, 'Day'] output 同理针对所有的列,就可以这么来做 df_1.loc['London...' , :] output 多层级索引的数据筛选 要是我们想看伦敦2019年7月1日白天的天气状况,就可以这么来做 df.loc['London', 'Day'].loc['2019-07-01']...', 'Day'],然后再此的基础之上再进行loc['2019-07-01']操作,当然还有更加方便的步骤,代码如下 df.loc[('London', '2019-07-01'), 'Day'] output..., # 出现语法错误 df.loc[ ('London', :), 'Day' ] # 出现语法错误 df.loc[ (: , '2019-07-04'), 'Day

53610

【原创佳作】介绍Pandas实战中一些高端玩法

) 那么在“行”方向上多重索引值的获取也是一样的道理,这里就不多加以赘述了 数据的获取 那么涉及到数据的获取,方式也有很多种,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 通过调用loc()方法来获取第一层级上的数据,要是我们想要获取所有“行”的数据,代码如下...df.loc[:, 'Day'] ## 或者是 df.loc[:, ('Day',)] output 或者是所有“列”的数据,代码如下 df.loc['London' , :] ## 或者是 df.loc...[('London', ) , :] output 当然我们也可以这么来做,在行方向上指定第二层级上的索引,代码如下 df.loc['London' , '2019-07-02'] ## 或者是 df.loc...[('London' , '2019-07-02')] output 多重索引的数据获取 假设我们想要获取剑桥在2019年7月3日白天的数据,代码如下 df.loc['Cambridge', 'Day

65210

使用交互组件(ipywidgets)“盘活”Jupyter Notebook(上)

首先,我们将获取数据并将其加载到一个dataframe中: 1import pandas as pd 2import numpy as npurl = "https://data.london.gov.uk.../download/number-international-visitors-london/b1e0f953-4c8a-4b45-95f5-e0d143d5641e/international-visitors-london-raw.csv"df_london...df_london.样本 假设我们想按年过滤数据帧。我们首先定义一个下拉列表,并用唯一的年份值列表填充它。...) 4else: 5display(df_london[df_london.year == change.new]) 然后我们将处理程序绑定到下拉列表: 1dropdown_year.observe(dropdown_year_eventhandler...[df_london.year == change.new]) 然后我们将在一个新的单元格中显示输出: 1display(output_year) 这就是它的工作原理: ?

13.1K61
领券