Pandas 索引详解：从基础到高级应用

Pandas 索引详解：从基础到高级应用

引用

CSDN

1.

https://blog.csdn.net/mqiqe/article/details/144566373

在数据处理和分析领域，Pandas是一个非常强大的工具库。其中，索引（Index）是DataFrame和Series的核心组成部分，用于标识和访问数据。掌握Pandas的索引功能，可以让你更高效地进行数据检索、处理和分析。

1. 创建索引

当创建一个DataFrame或Series时，Pandas会自动为其生成一个整数索引（从0开始）。也可以在创建时指定自定义索引。

import pandas as pd

# 使用默认的整数索引
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
})

# 使用自定义索引
df_custom_index = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [4, 5, 6]
}, index=['a', 'b', 'c'])

2. 访问数据

可以使用.loc和.iloc方法通过索引访问数据。

• .loc是基于标签的索引，可以使用标签名称来选择数据。
• .iloc是基于位置的索引，可以使用整数位置来选择数据。

# 使用.loc访问数据
print(df_custom_index.loc['a'])

# 使用.iloc访问数据
print(df.iloc[1])

3. 设置和重置索引

可以使用set_index方法来设置新的索引，或者使用reset_index方法来重置索引。

# 设置新的索引
df_new_index = df.set_index('A')

# 重置索引
df_reset_index = df_new_index.reset_index()

4. 多级索引（MultiIndex）

Pandas支持多级索引，这对于处理复杂的数据集非常有用。

# 创建具有多级索引的DataFrame
index = pd.MultiIndex.from_tuples([('A', 'x'), ('A', 'y'), ('B', 'x'), ('B', 'y')], names=['level_1', 'level_2'])
df_multi_index = pd.DataFrame({
    'value': [10, 20, 30, 40]
}, index=index)

5. 索引的操作

Pandas提供了许多方法来操作索引，例如重命名索引、删除索引、排序索引等。

# 重命名索引
df_renamed = df_custom_index.rename_axis('New_Index')

# 删除索引名称
df_no_name = df_renamed.rename_axis(None)

# 排序索引
df_sorted = df_custom_index.sort_index()

6. 日期时间索引

Pandas还支持将日期时间作为索引，这对于时间序列数据非常有用。

dates = pd.date_range('20230101', periods=6)
df_datetime_index = pd.DataFrame({
    'A': [1, 2, 3, 4, 5, 6]
}, index=dates)

总结

Pandas的索引功能强大且灵活，它使得数据检索、处理和分析变得更加高效和便捷。通过了解和使用这些索引功能，可以更好地处理和分析数据。