目录
- 数据需求
- 需求拆解
- 需求处理
- 方法一
- 方法二
- 总结
最近发现周围的很多小伙伴们都不太乐意使用pandas,转而投向其他的数据操作库,身为一个数据工作者,基本上是张口pandas,闭口pandas了,故而写下此系列以让更多的小伙伴们爱上pandas。
平台:
windows 10
python 3.8
pandas 1.2.4
数据需求
给定一份多级索引数据,查找指定值。
需求拆解
数据提取在pandas中,或者说在python中就是索引式提取,在单层索引中采用.loc
或.iloc
方法已经非常常见了,然而在索引层次多了之后却有点不知所措,也只需要将各个索引看成整体进行提取就行。
需求处理
方法一
这里先给出一个比较笨拙的方法,先将索引进行重置为列数据,通过列取得boo编程客栈l条件再进行提取www.cppcns.com
dat编程客栈ac.reset_index(inplace=True) datac[(datac['School'] == 'Swww.cppcns.com_2') & (datac['Class'] == 'C_3')]
可以看到通过该类方法可以成功取到对应值
当然也可以采用.query
方法进行条件筛选
datac.reset_index(inplace=True) datac.query("School == 'S_1' and Class == 'C_3'")
方法二
既然为多级索引,pandas也会有对应的取值方式,既可以用链式调用的方式,也可以通过元组进行提取,首先看看多级索引的输出值:
是一个MultiIndex类型数据,其元素都是元组,即也能通过元组的方式进行索引调取
这两种都一个共同的特点,从左到右,要先外层再内层,否则会报KeyError
错误
# 链式调用 datac.loc['S_1'].loc['C_1']
# 元组作为索引调用 datac.loc[('S_3', 'C_1'), :]
tips:
1.多层索引,即列名上方有层次结构也可以aPPReES按这种方式进行提取。
2.想越过外层索引提取内层索引需要交换索引顺序才能顺利提取。
# swaplevel 交换索引层级 datac.swaplevel(axis=0).loc[('C_1')] # axis=0: index
总结
功夫再高,也怕菜刀。本例使用方法比较常规,旨在巩固基础知识,当下次遇到能够想起可以直接索引取值而不用将索引重置为列值,以高效完成数据提取任务。
本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注我们的更多内容!
精彩评论