对Pandas MultiIndex(多重索引)详解
创建多重索引
In [16]: df = pd.DataFrame(np.random.randn(3, 8), index=['A', 'B', 'C'], columns=index) In [17]: df Out[17]: first bar baz foo qux \ second one two one two one two one A 0.895717 0.805244 -1.206412 2.565646 1.431256 1.340309 -1.170299 B 0.410835 0.813850 0.132003 -0.827317 -0.076467 -1.187678 1.130127 C -1.413681 1.607920 1.024180 0.569605 0.875906 -2.211372 0.974466 first second two A -0.226169 B -1.436737 C -2.006747
获得索引信息
get_level_values
In [23]: index.get_level_values(0)
Out[23]: Index(['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'], dtype='object', name='first')
In [24]: index.get_level_values('second')
Out[24]: Index(['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two'], dtype='object', name='second')
基本索引
In [25]: df['bar'] Out[25]: second one two A 0.895717 0.805244 B 0.410835 0.813850 C -1.413681 1.607920 In [26]: df['bar', 'one'] Out[26]: A 0.895717 B 0.410835 C -1.413681 Name: (bar, one), dtype: float64 In [27]: df['bar']['one'] Out[27]: A 0.895717 B 0.410835 C -1.413681 Name: one, dtype: float64
使用reindex对齐数据
数据准备
In [11]: s = pd.Series(np.random.randn(8), index=arrays) In [12]: s Out[12]: bar one -0.861849 two -2.104569 baz one -0.494929 two 1.071804 foo one 0.721555 two -0.706771 qux one -1.039575 two 0.271860 dtype: float64
s序列加(0~-2)索引的值,因为s[:-2]没有最后两个的索引,所以为NaN.s[::2]意思是步长为1.
In [34]: s + s[:-2] Out[34]: bar one -1.723698 two -4.209138 baz one -0.989859 two 2.143608 foo one 1.443110 two -1.413542 qux one NaN two NaN dtype: float64 In [35]: s + s[::2] Out[35]: bar one -1.723698 two NaN baz one -0.989859 two NaN foo one 1.443110 two NaN qux one -2.079150 two NaN dtype: float64
以上这篇对Pandas MultiIndex(多重索引)详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
如果我定义一个像这样的分层索引数据框： 内容如下所示： 我知道如何提取与给定列对应的数据。例如。对于列： 如何提取符合以下标准集的数据： ， ， ， column ， ， 列 和 、、列、以及从开始的所有列 是偶数 （顺便说一句，我做了不止一次rtfm，但我真的觉得难以理解。）
-
问题内容： 我在MySQL数据库中有下表： SQL将如下所示： 如您所见，我同时创建了primaryId和和imgDate索引键。我的想法是，该WHERE子句使用primaryId，而ORDER子句使用来查询结果imgDate。 我的问题是，现在使用多索引会更好吗？还是我应该使用多列索引（目前我不太了解）？ 这是我从EXPLAIN得到的： 注意：这不是使用多列索引，这是使用上表说明的结果。 问题答
-
鉴于此示例： 我想得到那些索引，其中col1： 预期结果将是一个向量。
-
本文向大家介绍MyISAM与InnoDB索引实现对比详解，包括了MyISAM与InnoDB索引实现对比详解的使用技巧和注意事项，需要的朋友参考一下 MyISAM索引实现 MyISAM引擎使用B+Tree作为索引结构，叶节点的data域存放的是数据记录的地址。如图： 这里设表一共有三列，假设我们以Col1为主键，则上图是一个MyISAM表的主索引（Primary key）示意。可以看出MyISAM的
-
我有一个像这样的数据框 我正试图重新塑造它，使它看起来像这样 我从尝试开始 但取消堆叠会导致以下值错误：“索引包含重复的条目，无法重塑”所以我在So上找到了这个建议，这允许我取消堆叠 但是当我用“ID”（即df=df.unstack（“ID”）解栈时，我的结束数据帧看起来像这样 我如何压缩它以获得我想要的输出？
-
假设我们有这样一个数据frame： 我们还有另一个具有相同行数和列数（具有相同名称）的DataFrame： 我不知道如何创建另一个由和组成的DataFrame，使其看起来像下面的DataFrame（可能有两个索引级别）： 阅读基于列标签在pandas中重新塑造dataframes并从多个dict创建一个pandas DataFrame，这给了我一些见解（因为我也试图通过以下方法来实现：首先将原始d