跳到主要内容

Pandas 索引操作

Pandas 是 Python 中用于数据处理和分析的强大工具，而索引操作是 Pandas 中最基础且重要的功能之一。通过索引操作，我们可以高效地访问、修改和操作数据。本文将详细介绍 Pandas 中的索引操作，帮助初学者掌握这一核心技能。

1. 什么是索引？​

在 Pandas 中，索引（Index）是用于标识和访问数据的标签。无论是行索引还是列索引，它们都为我们提供了快速定位数据的方式。Pandas 提供了多种索引类型，包括单级索引、多级索引（MultiIndex）等。

2. 行索引与列索引​

2.1 行索引​

行索引是 DataFrame 中每一行的唯一标识符。默认情况下，Pandas 会为每一行分配一个从 0 开始的整数索引。我们可以通过 df.index 访问行索引。

python
import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

print(df.index)  # 输出: RangeIndex(start=0, stop=3, step=1)

2.2 列索引​

列索引是 DataFrame 中每一列的名称。我们可以通过 df.columns 访问列索引。

python
print(df.columns)  # 输出: Index(['Name', 'Age'], dtype='object')

3. 基本索引操作​

3.1 使用 loc 和 iloc 访问数据​

  • loc：基于标签的索引，用于通过行和列的标签访问数据。
  • iloc：基于位置的索引，用于通过行和列的位置（整数）访问数据。
python
# 使用 loc 访问数据
print(df.loc[0, 'Name'])  # 输出: Alice

# 使用 iloc 访问数据
print(df.iloc[0, 0])  # 输出: Alice

3.2 修改索引​

我们可以通过 set_index 方法将某一列设置为新的索引。

python
df.set_index('Name', inplace=True)
print(df)

输出：

         Age
Name        
Alice     25
Bob       30
Charlie   35

3.3 重置索引​

使用 reset_index 方法可以将索引重置为默认的整数索引。

python
df.reset_index(inplace=True)
print(df)

输出：

      Name  Age
0    Alice   25
1      Bob   30
2  Charlie   35

4. 多级索引（MultiIndex）​

多级索引允许我们在一个轴上拥有多个索引级别。这在处理复杂数据时非常有用。

4.1 创建多级索引​

我们可以使用 pd.MultiIndex.from_tuples 创建多级索引。

python
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_tuples(list(zip(*arrays)), names=('Group', 'Number'))
df = pd.DataFrame({'Value': [10, 20, 30, 40]}, index=index)

print(df)

输出：

              Value
Group Number       
A     1          10
      2          20
B     1          30
      2          40

4.2 访问多级索引数据​

我们可以使用 loc 访问多级索引数据。

python
print(df.loc[('A', 1)])  # 输出: Value    10

5. 实际案例​

假设我们有一个销售数据表，包含产品名称、销售日期和销售额。我们可以使用多级索引来按产品和日期对销售额进行分组和汇总。

python
data = {
    'Product': ['A', 'A', 'B', 'B'],
    'Date': ['2023-01-01', '2023-01-02', '2023-01-01', '2023-01-02'],
    'Sales': [100, 150, 200, 250]
}
df = pd.DataFrame(data)

df.set_index(['Product', 'Date'], inplace=True)
print(df)

输出：

                  Sales
Product Date           
A       2023-01-01    100
        2023-01-02    150
B       2023-01-01    200
        2023-01-02    250

6. 总结​

通过本文，我们学习了 Pandas 中的索引操作，包括行索引、列索引、多级索引等。索引操作是 Pandas 数据处理的基础，掌握这些技巧将帮助我们更高效地处理和分析数据。

提示

在实际应用中，合理使用索引可以显著提高数据处理的效率。建议多练习，熟悉不同索引操作的使用场景。

7. 附加资源与练习​

  • 练习 1：创建一个包含学生姓名、科目和成绩的 DataFrame，并使用多级索引按学生和科目对成绩进行分组。
  • 练习 2：使用 loc 和 iloc 访问和修改 DataFrame 中的数据。
附加资源