Python pandas，index索引，修改索引，复合索引，将某列设为索引

矫情吗；* 2022-03-17 03:08 529阅读 0赞

**demo.py（index索引，修改索引，将DataFrame某列设为索引）：**

# coding=utf-8
    import numpy as np
    import pandas as pd
    
    
    df = pd.DataFrame(np.arange(12, 24).reshape((3, 4)), index=["a", "b", "c"], columns=["WW", "XX", "YY", "ZZ"])
    print(df)
    '''
       WW  XX  YY  ZZ
    a  12  13  14  15
    b  16  17  18  19
    c  20  21  22  23
    '''
    
    
    # 查看索引 (索引是可以重复的)
    print(df.index)  # Index(['a', 'b', 'c'], dtype='object')
    
    # 修改索引
    df.index = ["aa", "bb", "cc"]   # []列表的长度必须与df行数一致。
    print(df)
    '''
        WW  XX  YY  ZZ
    aa  12  13  14  15
    bb  16  17  18  19
    cc  20  21  22  23
    '''
    
    # 根据索引重新构建数据
    df2 = df.reindex(["aa", "pp"])  # 索引存在就正常显示数据，不存在的索引其数据就是NaN
    print(df2)
    '''
          WW    XX    YY    ZZ
    aa  12.0  13.0  14.0  15.0
    pp   NaN   NaN   NaN   NaN
    '''
    
    # 将某列设置为索引
    df3 = df.set_index("YY")  # 将"YY"列设为索引（默认同时删除"YY"列的数据）
    print(df3)
    '''
        WW  XX  ZZ
    YY
    14  12  13  15
    18  16  17  19
    22  20  21  23
    '''
    
    df4 = df.set_index("YY", drop=False)  #  drop=False 表示保留原先"YY"列的数据。(默认为True)
    print(df4)
    '''
        WW  XX  YY  ZZ
    YY
    14  12  13  14  15
    18  16  17  18  19
    22  20  21  22  23
    '''
    
    # unique()某列去重后的内容
    print(df["ZZ"].unique())  # [15 19 23]  ndarray类型
    
    df.index = ["ll", "ll", "mm"]  # 索引可以重复
    # 去重后的索引
    print(df.index.unique())  # Index(['ll', 'mm'], dtype='object')
    
    # index索引有长度
    print(len(df.index))  # 3
    
    # index索引对象可以转换成列表类型
    print(list(df.index))  # ['ll', 'll', 'mm']

**demo.py（复合索引，通过复合索引取值）：**

# coding=utf-8
    import numpy as np
    import pandas as pd
    
    
    df = pd.DataFrame(np.arange(12, 24).reshape((3, 4)), index=["a", "b", "c"], columns=["WW", "XX", "YY", "ZZ"])
    print(df)
    '''
       WW  XX  YY  ZZ
    a  12  13  14  15
    b  16  17  18  19
    c  20  21  22  23
    '''
    
    
    # 复合索引 将多列设置为索引
    df2 = df.set_index(["XX", "YY"])  # 如果只设置一列不需要[]，如果设置多列需要[]
    print(df2)
    '''
           WW  ZZ
    XX YY
    13 14  12  15
    17 18  16  19
    21 22  20  23
    '''
    
    print(df2.index)  # 复合索引
    '''
    MultiIndex(levels=[[13, 17, 21], [14, 18, 22]],
               codes=[[0, 1, 2], [0, 1, 2]],
               names=['XX', 'YY'])
    --levels表示去重后的索引
    '''
    
    
    # Series类型的复合索引
    s1 = df2["WW"]  # Series类型 (只取了一列)。  df2[["WW"]]是DataFrame类型
    print(s1)  # Series类型
    '''
    XX  YY
    13  14    12
    17  18    16
    21  22    20
    Name: WW, dtype: int64
    '''
    
    # 根据复合索引取值
    print(s1[13][14])  # 12  索引可以重复，一个索引可能对应多个值(如果对应多个值返回Series类型)
    print(s1[13, 14])  # 12  与上一句等同
    print(s1[13])  # Series类型。 如果想通过"YY"索引取值，可以先swaplevel()交换索引次序再取值。
    '''
    YY
    14    12
    Name: WW, dtype: int64
    '''
    # 通过复合索引修改
    s1[13][14] = 55
    print(s1)
    '''
    XX  YY
    13  14    55
    17  18    16
    21  22    20
    Name: WW, dtype: int64
    '''
    
    # swaplevel()交换索引先后次序。
    s2 = s1.swaplevel()  # 将"YY"索引放前，"XX"索引放后
    print(s2)
    '''
    YY  XX
    14  13    12
    18  17    16
    22  21    20
    Name: WW, dtype: int64
    '''
    
    
    # DataFrame的复合索引
    print(df2)
    '''
           WW  ZZ
    XX YY
    13 14  12  15
    17 18  16  19
    21 22  20  23
    '''
    
    # DataFrame通过复合索引取值
    print(df2.loc[13].loc[14])  # Series类型。  索引可以重复，可能对应多个值(DataFrame类型)
    '''
    WW    12
    ZZ    15
    Name: 14, dtype: int64
    '''
    print(df2.loc[13])  # DataFrame类型。  如果想通过"YY"索引取值，可以先swaplevel()交换索引次序再取值。
    '''
        WW  ZZ
    YY
    14  12  15
    '''
    
    # swaplevel()交换索引先后次序。
    df3 = df2.swaplevel()  # 将"YY"索引放前，"XX"索引放后
    print(df3)
    '''
           WW  ZZ
    YY XX
    14 13  12  15
    18 17  16  19
    22 21  20  23
    '''