pandas多列数据分类汇总Pandas多层级索引的数据分析案例

导读作者：俊欣来源：关于数据分析与可视化今天我们来聊一下pandas当中的数据集中带有多重索引的数据分析实战通常我们接触比较多的是单层索引（左图），而多级索引也....

作者：俊欣

来源：关于数据分析与可视化

今天我们来聊一下pandas当中的数据集中带有多重索引的数据分析实战

通常我们接触比较多的是单层索引（左图），而多级索引也就意味着数据集当中的行索引有多个层级（右图），具体的如下图所示

AUTUMN

导入数据

我们先导入数据与pandas模块。

import pandas as pd## 导入数据集df = pd.read_csv(dataset.csv)df.head()

output

该数据集描述的是英国部分城市在2019年7月1日至7月4日期间的全天天气状况，我们先来看一下当前的数据集的行索引有哪些？代码如下

df.index.names

output

FrozenList([City, Date])

数据集当中City、Date，这里的City我们可以当作是第一层级索引，而Date则是第二层级索引。

我们也可以通过调用sort_index()方法来按照数据集的行索引来进行排序，代码如下

df_1 = df.sort_index()df_1

output

要是我们想将这个多层索引去除掉，就调用reset_index()方法，代码如下

df.reset_index()

下面我们就开始针对多层索引来对数据集进行一些分析的实战吧

第一层级的数据筛选

在pandas当中数据筛选的方法，一般我们是调用loc以及iloc方法，同样地，在多层级索引的数据集当中数据的筛选也是调用该两种方法，例如筛选出伦敦白天的天气状况如何，代码如下

df_1.loc[London , Day]

output

要是我们想针对所有的行，就可以这么来做

df_1.loc[:, Day]

output

同理针对所有的列，就可以这么来做

df_1.loc[London , :]

output

多层级索引的数据筛选

要是我们想看伦敦2019年7月1日白天的天气状况，就可以这么来做

df.loc[London, Day].loc[2019-07-01]

output

Weather ShowerWind SW 16 mphMax Temperature 28Name: 2019-07-01, dtype: object

这里我们进行了两次数据筛选的操作，先是df.loc[London, Day]，然后再此的基础之上再进行loc[2019-07-01]操作，当然还有更加方便的步骤，代码如下

df.loc[(London, 2019-07-01), Day]

output

Weather ShowerWind SW 16 mphMax Temperature 28Name: 2019-07-01, dtype: object

除此之外我们要是想看一下伦敦2019年7月1日和7月2日两天白天的天气情况，就可以这么来做

df.loc[ (London , [2019-07-01,2019-07-02] ) , Day]

output

在此基础之上，我们想要看天气和风速这两列，我们也可以单独摘出来，代码如下

df.loc[ London , (Day, [Weather, Wind])]

output

按照范围来筛选数据

对于第一层级的索引而言，我们同样还是调用loc方法来实现

df.loc[ Cambridge:Oxford, Day]

output

但是对于第二层级的索引，要是用同样的方式来用就会报错，

df.loc[ (London, 2019-07-01: 2019-07-03), Day]

output

SyntaxError: invalid syntax (<ipython-input-22-176180497f92>, line 3)

正确的写法代码如下

df.loc[ (London,2019-07-01):(London,2019-07-03), Day]

output

筛选出所有全部的内容

对于单层索引而言，我们通过:来筛选出所有的内容，但是在多层级的索引上面则并不适用，

# 出现语法错误df.loc[ (London, :), Day]# 出现语法错误df.loc[ (: , 2019-07-04), Day]

正确的做法如下所示

# 筛选出伦敦下面所有天数的白天天气情况df.loc[ (London, slice(None)), Day]

output

# 筛选出2019年7月4日下所有城市的白天天气情况df.loc[ (slice(None) , 2019-07-04), Day]

output

当然这里还有更加简便的方法，我们通过调用pandas当中IndexSlice函数来实现，代码如下

from pandas import IndexSlice as idxdf.loc[ idx[: , 2019-07-04], Day]

output

又或者是

rows = idx[: , 2019-07-01]cols = idx[Day , [Max Temperature,Weather]]df.loc[rows, cols]

output

xs()方法的调用

对于多层级索引的数据集而言，调用xs()方法能够更加方便地进行数据的筛选，例如我们想要筛选出日期是2019年7月4日的所有数据，代码如下

df.xs(2019-07-04, level=Date)

output

我们需要在level参数上指定是哪个标签，例如我们想要筛选出伦敦2019年7月4日全天的天气情况，代码如下

df.xs((London, 2019-07-04), level=[City,Date])

output

最后xs方法可以和上面提到的IndexSlice函数联用，针对多层级的数据集来进行数据的筛选，例如我们想要筛选出2019年7月2日至7月4日，伦敦全天的天气状况，代码如下

rows= ( idx[2019-07-02:2019-07-04], London)df.xs( rows , level = [Date,City])

output