pandas（3）：索引Index/MultiIndex

• 2021 年 4 月 20 日
• 筆記
• pandas數據分析

一、索引概念

  「索引」類似一本書的目錄（頁碼），通過目錄（頁碼），讓我們能快速找到想看的位置。對於一個DataFrame數據框，其中：

• 行索引（Label index），是一條完整數據的索引，通過這個索引，能快速取出對應的某條數據記錄。
• 列索引（Columns Names），指向的是每一個Series。
• 行是一條完整信息記錄，索引在業務上一般不允許重複，好的索引能方便處理數據，重複的索引導入數據庫可能出現限制，可以設置默認配置。
• 無論是行索引還是列索引，在 Pandas 里其實都是一個** Index 對象，都有類似的屬性和方法**。
• pandas的索引有不同的類型，目的都是為更方便處理數據。

二、創建索引

  源Excel文件index.xlsx：

①導入數據時指定索引

• 未指定時，python會自動生成從0開始的行索引，列名默認為第1行
   pandas不知道你實際業務情況，所以只能自動生成0-N的自然索引。

df = pd.read_excel('C:/Users/asus/Desktop/index.xlsx')
df

• 自定義指定

# 指定』姓名『或』班級『這一列為行索引
df = pd.read_excel('C:/Users/asus/Desktop/index.xlsx',index_col='姓名')
# df = pd.read_excel('C:/Users/asus/Desktop/index.xlsx',index_col='班級')
df

# 指定』班級『、』姓名『這兩列為層級索引MultiIndex
df = pd.read_excel('C:/Users/asus/Desktop/index.xlsx',index_col=[1,0])
df

 也可以根據header參數指定哪行作為列名，或根據names參數自定義列名，具體見://www.cnblogs.com/xiaoshun-mjj/p/14538695.html

②導入數據後指定索引df.set_index()

DataFrame.set_index(keys, drop=True, append=False, 
                    inplace=False, verify_integrity=False)

參數說明：

• keys：列標籤或列標籤/列表/series，需要設置為索引的列；
• drop：是否保留設置索引的原列。默認為True，不保留；
• append：是否保留原索引。默認為False，不保留；
• inplace：輸入布爾值，表示當前操作是否對原數據生效，默認為False。
• verify_integrity：檢查新索引的副本。否則，請將檢查推遲到必要時進行。將其設置為false將提高該方法的性能，默認為false。

# 導入數據時，未指定索引
df = pd.read_excel('C:/Users/asus/Desktop/index.xlsx')
df.set_index('姓名') # 設置姓名為索引
df.set_index(['班級','姓名']) # 設置班級和姓名為索引

df.set_index('姓名',drop=False)  # 保留原列
df.set_index('姓名',append=True) # 保留原索引

三、常用的索引屬性

以df.index為例，也適用於 df.columns, 因為兩者都是 index 對象

df = pd.read_excel('C:/Users/asus/Desktop/index.xlsx') # 導入數據時，未指定索引
df.set_index('姓名',drop=False,inplace=True)  # 保留原列，對原數據生效
# 查看索引信息（值和類型，還有可能有名稱）
df.columns
df.index

df.index.name # 行索引名稱
df.index.dtype # 索引數據類型
df.index.shape # 形狀
df.index.size # 元素數量，行記錄條數
# df.columns.size
df.index.values # 索引的值，array 數組
# df.index.value_counts() # 去重統計
# df.index.values.tolist() # array 數組轉換成列表list
df.index.is_unique # 判斷是否有重複，業務上原則一般不會重複，有重複返回False

四、常用索引方法

一樣適用於 df.columns。

df.columns.isin(['姓名','語文']) # 是否存在，快速查看是否有該列名或行

df.index.nunique() # 不重複值的數量
df.index.sort_values(ascending=False) # 排序,倒序
df.index.to_frame(index=False) # 轉成 DataFrame
df.index.unique() # 去重
df.index.value_counts() # 去重分組統計
df.index.where(df.index=='林*') # 篩選，查看是否由該行記錄
df.index.max() # 最大值
df.index.map(lambda x:x+'_') # 批量處理索引

五、索引重置reset_index（）

列可以變成索引，索引也能回復成列。

DataFrame.reset_index(level=None, drop=False, 
                    inplace=False, col_level=0, col_fill='')

參數說明：

• level：數值類型可以為：int、str、tuple或list，默認無，僅從索引中刪除給定級別。默認情況下移除所有級別。控制了具體要還原的那個等級的索引 。
• drop：當指定drop=False時，則索引列會被還原為普通列；否則，經設置後的新索引值被會丟棄。默認為False。
• inplace：輸入布爾值，表示當前操作是否對原數據生效，默認為False。
• col_level：數值類型為int或str，默認值為0，如果列有多個級別，則確定將標籤插入到哪個級別。默認情況下，它將插入到第一級。
• col_fill：對象，默認『』，如果列有多個級別，則確定其他級別的命名方式。如果沒有，則重複索引名。

df = pd.read_excel('C:/Users/asus/Desktop/index.xlsx') # 導入數據時，未指定索引
df = df.set_index(['姓名','班級']) # 設置MultiIndex
df

df.reset_index() # 移除所有層級索引，並把索引還原成列
df.reset_index(drop=True) # 移除所有層級索引，捨棄原索引
df.reset_index(['姓名']) # 只把姓名這一層索引還原層列

六、修改索引值（修改列名）

# 一對一對應修改
df.rename(columns={'數學': 'maths'})
# 也可以通過一些函數進行批量修改
df.rename(lambda x:'t_' + x, axis=1) # 通過lambda表達式批量給列名加前綴