Python Pandas - 索引对象

上一页
下一页

在 Pandas 中，索引对象在以结构化的方式组织和访问数据方面发挥着重要作用。它们像带标签的数组一样工作，并在定义数据如何在Series和DataFrames等结构中排列和访问方面发挥着重要作用。索引允许快速数据搜索、高效切片并保持数据正确对齐，同时为每一行提供有意义的标签。

索引用于标记 DataFrame 的行或 Series 中的元素。这些标签可以是数字、字符串或日期，它们帮助您识别数据。关于 Pandas 索引需要记住的一件重要的事情是，它们是不可变的，这意味着一旦创建，您就无法更改其大小。

在本教程中，我们将学习 Pandas 索引对象以及 Pandas 中各种类型的索引。

Index 类

Index 类是用于存储 Pandas 对象中所有索引类型的基本对象。它提供了访问和操作数据的基本功能。

索引对象的关键特征

  • 不可变：索引对象是不可变的序列，一旦创建就无法修改。

  • 对齐：索引确保来自不同 DataFrame 或 Series 的数据可以根据索引值正确组合。

  • 切片：索引允许根据标签快速切片和检索数据。

语法

以下是 Index 类的语法：

class pandas.Index(data=None, dtype=None, copy=False, name=None, tupleize_cols=True)

其中，

  • data：索引的数据，可以是类似数组的结构（如列表或 NumPy 数组）或其他索引对象。

  • dtype：它指定索引值的的数据类型，如果未提供，Pandas 将根据索引值确定数据类型。

  • copy：这是一个布尔参数（True 或 False），它指定是否创建输入数据的副本。

  • name：此参数为索引提供标签。

  • data：这也是一个布尔参数（True 或 False），当为 True 时，它会尝试在可能的情况下创建 MultiIndex。

Pandas 中的索引类型

Pandas 提供各种类型的索引来处理不同类型的数据。例如：

让我们讨论 Pandas 中所有类型的索引。

数值索引

数值索引是 Pandas 中的基本索引类型，它包含数值。数值索引是默认索引，如果您未提供任何索引，Pandas 会自动分配它。

示例

以下示例演示了 Pandas 如何自动为 Pandas DataFrame 对象分配数值索引。

import pandas as pd

# Generate some data for DataFrame
data = {
   'Name': ['Steve', 'Lia', 'Vin', 'Katie'],
   'Age': [32, 28, 45, 38],
   'Gender': ['Male', 'Female', 'Male', 'Female'],
   'Rating': [3.45, 4.6, 3.9, 2.78]
}
# Creating the DataFrame
df = pd.DataFrame(data)

# Display the DataFrame
print(df)

print("\nDataFrame Index Object Type:",df.index.dtype)

以下是上述代码的输出：





Name
Age
Gender
Rating




0
Steve
32
Male
3.45




1
Lia
28
Female
4.60




2
Vin
45
Male
3.90




3
Katie
38
Female
2.78




DataFrame Index Object Type: int64

分类索引

分类索引用于处理重复标签。此索引在内存使用和处理大量重复元素方面效率很高。

示例

以下示例使用分类索引创建一个 Pandas DataFrame。

import pandas as pd

# Creating a CategoricalIndex
categories = pd.CategoricalIndex(['a','b', 'a', 'c'])
df = pd.DataFrame({'Col1': [50, 70, 90, 60], 'Col2':[1, 3, 5, 8]}, index=categories)
print("Input DataFrame:\n",df)

print("\nDataFrame Index Object Type:",df.index.dtype)

以下是上述代码的输出：

Input DataFrame:





Col1
Col2




a
50
1




b
70
3




a
90
5




c
60
8




DataFrame Index Object Type: category

区间索引

区间索引用于表示数据中的区间（范围）。此类型的索引将使用interval_range()方法创建。

示例

以下示例使用interval_range()方法创建具有区间索引的 DataFrame。

import pandas as pd

# Creating a IntervalIndex
interval_idx = pd.interval_range(start=0, end=4)

# Creating a DataFrame with IntervalIndex
df = pd.DataFrame({'Col1': [1, 2, 3, 4], 'Col2':[1, 3, 5, 8]}, index=interval_idx)

print("Input DataFrame:\n",df)

print("\nDataFrame Index Object Type:",df.index.dtype)

以下是上述代码的输出：

Input DataFrame:





Col1
Col2




(0, 1]
1
1




(1, 2]
2
3




(2, 3]
3
5




(3, 4]
4
8




DataFrame Index Object Type: interval[int64, right]

多级索引

Pandas 多级索引用于表示 Pandas 数据结构索引中的多个级别或层，也称为分层索引。

示例

以下示例显示了创建简单的多级索引 DataFrame。

import pandas as pd

# Create MultiIndex
arrays = [[1, 1, 2, 2], ['red', 'blue', 'red', 'blue']]
multi_idx = pd.MultiIndex.from_arrays(arrays, names=('number', 'color'))

# Create a DataFrame with MultiIndex
df = pd.DataFrame({'Col1': [1, 2, 3, 4], 'Col2':[1, 3, 5, 8]}, index=multi_idx)

print("MultiIndexed DataFrame:\n",df)

以下是上述代码的输出：

MultiIndexed DataFrame:






Col1
Col2




1
red
1
1




blue
2
3




2
red
3
5




blue
4
8

日期时间索引

Pandas 日期时间索引对象用于表示日期和时间值。换句话说，它用于时间序列数据，其中每一行都链接到一个特定的时间戳。

示例

以下示例使用日期时间索引创建一个 Pandas DataFrame。

import pandas as pd

# Create DatetimeIndex
datetime_idx = pd.DatetimeIndex(["2020-01-01 10:00:00", "2020-02-01 11:00:00"])

# Create a DataFrame with DatetimeIndex
df = pd.DataFrame({'Col1': [1, 2], 'Col2':[1, 3]}, index=datetime_idx )

print("DatetimeIndexed DataFrame:\n",df)

以下是上述代码的输出：

DatetimeIndexed DataFrame:





Col1
Col2




2020-01-01 10:00:00
1
1




2020-02-01 11:00:00
2
3

时间增量索引

Pandas 时间增量索引用于表示两个日期或时间之间的持续时间，例如事件之间的天数或小时数。

示例

此示例使用时间增量索引创建一个 Pandas DataFrame。

import pandas as pd

# Create TimedeltaIndex
timedelta_idx = pd.TimedeltaIndex(['0 days', '1 days', '2 days'])

# Create a DataFrame with TimedeltaIndex
df = pd.DataFrame({'Col1': [1, 2, 3], 'Col2':[1, 3, 3]}, index=timedelta_idx )

print("TimedeltaIndexed DataFrame:\n",df)

以下是上述代码的输出：

TimedeltaIndexed DataFrame:





Col1
Col2




0 days
1
1




1 days
2
3




2 days
3
3

周期索引

Pandas 周期索引用于表示时间中的规则周期，例如季度、月份或年份。

示例

此示例使用周期索引对象创建一个 Pandas DataFrame。

import pandas as pd

# Create PeriodIndex
period_idx = pd.PeriodIndex(year=[2020, 2024], quarter=[1, 3])

# Create a DataFrame with PeriodIndex
df = pd.DataFrame({'Col1': [1, 2], 'Col2':[1, 3]}, index=period_idx )

print("PeriodIndexed DataFrame:\n",df)

以下是上述代码的输出：

PeriodIndexed DataFrame:





Col1
Col2




2020Q1
1
1




2024Q3
2
3
打印页面
上一页
下一页
广告