pandas层次化索引以及索引的堆（Stack ）和聚合操作

Lena ·

更新时间:2024-09-20

· 681 次阅读

pandas层次化索引

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

1.索引的堆（stack） stack() unstack()
【小技巧】：使用stack()的时候，level等于哪一个，哪一个就消失，出现在行里；使用unstack()的时候，level等于哪一个，哪一个就消失，出现在列里。
(1). 创建多层列索引

#三层索引
df = DataFrame(data = np.random.randint(0,150,size = (1,8)),
              columns = [['a',"a","a","a","b","b","b","b"],
                       ['期中',"期中","期末","期末",'期中',"期中","期末","期末"],
                       ["一单元","二单元","一单元","二单元","一单元","二单元","一单元","二单元"]],
              index = ["Python"])
df

在这里插入图片描述
level代表层级， 0表示第一层， 1表示第二层，以此类推。 -1代表最内层，此处未演示。

df.stack(level = 1)
#把列索引放到行索引上面

在这里插入图片描述

df.stack(level=(0,2))

在这里插入图片描述
(2).创建多行行索引

df1 = DataFrame(np.random.randint(0,150,size = (8,2)),
                index = pd.MultiIndex.from_product([list("abcd"), ["期中","期末"]]),
               columns = ['Python',"数学"])
df1

在这里插入图片描述

df1.unstack()
#把第二层的行索引变成了最内层列索引

在这里插入图片描述

df1.unstack(level = 1)

在这里插入图片描述

3.聚合操作

聚合操作也就是平均数，方差，最大值，最小值等。
【注意】

需要指定axis

【小技巧】和unstack()相反，聚合的时候，axis等于哪一个，哪一个就保留。

df1.div(10, axis = "index")

聚合操作除法输出

df1.sum(axis = 1) # 求和

在这里插入图片描述

df1.std() #标准差：表示的是数据的离散程度

标准差

df4 = DataFrame(np.random.randint(0,150,size = (8,2)),
                index = pd.MultiIndex.from_product([list("abcd"), ["期中","期末"]]),
               columns = ['Python',"数学"])
df4

在这里插入图片描述