利用pandas进行数据分析(二):索引与层次化索引

继上一节的基本数据结构的介绍之后,本节继续介绍中操作和的基本手段。一个最常用的操作就是索引,如何根据分析目的对和进行索引访问得到数据是利用进行数据分析的基本技能之一。索引用的好,对于数据访问、筛选和过滤以及理解数据结构至关重要。

Series和DataFrame的索引方式

可见的索引方式非常简单,既可以按其索引标签来进行索引,也可以按数字排序来进行索引。需要注意的是,中索引与切片有一点细微的区别就是索引的末端是包括在内的。 再来看的索引和访问方式:

具有行列属性,所以在索引上除了习惯性的按列索引之外,按行索引也是不错的数据访问方式:

按列名进行多个列的索引时,传入的是一个形态。再看按行索引的方式:

所以在中按行索引也较为方便,特别注意一下方法即可,方法的以前版本为,本身即为索引访问之意。除此之外,针对和索引的方法还包括、以及等方法,具体大家可以试一试效果。

pandas层次化索引

说完了基础索引,再来看层次化索引。作为的一项重要功能,顾名思义就是能够对数据对象进行多层索引,具体看实例:

方法也可以实现同样的索引访问效果:

如果觉得多层索引的不太好看,也可以直接通过方法将其转化为:

和互为逆运算,转换过来的也可以通过方法换回去。

以上是的层次化索引方式,再来看看的层次化索引:

好了,本次推送就给大家介绍到这里啦。关于的数据索引和访问方法,除了对基本的语法有所熟识之外,更需要在实际的数据处理实践中练习掌握。

参考资料:

python for data analysis

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20171210B0BB4500?refer=cp_1026

相关快讯

扫码关注云+社区