pandas的多重索引index、columns、索引值、names属性及表结构

　　推荐：7种方式实现pandas创建多重索引。上篇文章通过从excel读取数据来生成多重索引的df，本节我们从头来认识下pandas的多层索引，对其有1个整体的概念。我们先通过index和columns参数来创建1个多层索引的df。

　　要创建多层索引就要给index和columns传入二维列表才可以。代码如下：

# -*- coding:UTF-8 -*-
import pandas as pd   

df= pd.DataFrame([[100,200,300,400],[1000,2000,3000,4000]],
				 columns=[['baidu','baidu','google','google'],['pc','mo','pc','mo']],
				 index=[[2020,2020],['1月','2月']])
print(df)
print('-------------')
print(df.index)
print(type(df.index))
print('=============')
print(df.columns)
print(type(df.columns))

        baidu       google      
           pc    mo     pc    mo
2020 1月   100   200    300   400
     2月  1000  2000   3000  4000
-------------
MultiIndex([(2020, '1月'),
            (2020, '2月')],
           )
<class 'pandas.core.indexes.multi.MultiIndex'>
=============
MultiIndex([( 'baidu', 'pc'),
            ( 'baidu', 'mo'),
            ('google', 'pc'),
            ('google', 'mo')],
           )
<class 'pandas.core.indexes.multi.MultiIndex'>

　　上述可知，多重索引的行索引和列索引都是MultiIndex类型，索引中的一个元素是元组而不是单层索引中的标量，我们可以通过values属性直接获取索引的值，可以通过get_level_values来获取单层索引的值。

# -*- coding:UTF-8 -*-
import pandas as pd   

df= pd.DataFrame([[100,200,300,400],[1000,2000,3000,4000]],
				 columns=[['baidu','baidu','google','google'],['pc','mo','pc','mo']],
				 index=[[2020,2020],['1月','2月']])
print(df.index.values)
print(df.columns.values)

[(2020, '1月') (2020, '2月')]
[('baidu', 'pc') ('baidu', 'mo') ('google', 'pc') ('google', 'mo')]

　　索引是有name属性的，而对于多层索引，他具备的是names属性。我们创建双重索引的df后，可以直接通过传入元组分别给index和column的names属性赋值！

# -*- coding:UTF-8 -*-
import pandas as pd   

df= pd.DataFrame(
[[10,20,30,400],[40,50,60,70],[11,22,33,44],[55,66,77,88]],
columns=[['baidu','baidu','google','google'],['pc','mo','pc','mo']],
index=[[2020,2020,2021,2021],['1月','2月','1月','2月']])
print(df)
print('-----------------------')
df.index.names = ('年','月')
df.columns.names = ('渠道','端口')
print(df)

        baidu     google     
           pc  mo     pc   mo
2020 1月    10  20     30  400
     2月    40  50     60   70
2021 1月    11  22     33   44
     2月    55  66     77   88
-----------------------
渠道      baidu     google     
端口         pc  mo     pc   mo
年    月                       
2020 1月    10  20     30  400
     2月    40  50     60   70
2021 1月    11  22     33   44
     2月    55  66     77   88

　　我们把这个完整的多层索引的df写入excel后，他的长相如下：

# -*- coding:UTF-8 -*-
import pandas as pd   

df= pd.DataFrame(
[[10,20,30,400],[40,50,60,70],[11,22,33,44],[55,66,77,88]],
columns=[['baidu','baidu','google','google'],['pc','mo','pc','mo']],
index=[[2020,2020,2021,2021],['1月','2月','1月','2月']])

df.index.names = ('年','月')
df.columns.names = ('渠道','端口')
df.to_excel('test.xlsx')

　　本文就此结束，感谢IT人士的关注pandas的多重索引index、columns、索引值、names属性及表结构，本文合作企业直达：更多推荐。

很赞哦！

python编程网提示：转载请注明来源www.python66.com。
有宝贵意见可添加站长微信(底部)，获取技术资料请到公众号(底部)。同行交流请加群