pd.DataFrame中的幾種索引變換的實現

2022-06-16 14:01:23

導讀：pandas中最常用的資料結構是DataFrame，而DataFrame相較於巢狀list或者二維numpy陣列更好用的原因之一在於其提供了行索引和列名。本文主要介紹行索引的幾種變換方式，包括rename與reindex、index.map、set_index與reset_index、stack與unstack等。

慣例開局一張圖

01 索引簡介與樣例資料

Series和DataFrame是pandas中的主要資料結構型別（老版本中曾有三維資料結構Panel，是DataFrame的容器，後被取消），而二者相較於傳統的陣列或list而言，最大的便利之處在於其提供了索引，DataFrame中還有列標籤名，這些都使得在操作一行或一列資料中非常方便，包括在資料存取、資料處理轉換等。關於索引的詳細介紹可參考前文：python資料科學系列：pandas入門詳細教學。

這裡，為了便於後文舉例解釋，給出基本的DataFrame樣例資料如下：

後文將以此作為操作物件，針對索引的幾種常用變換進行介紹。

注：這裡的索引應廣義的理解為既包擴行索引，也包括列標籤。

02 reindex和rename

學習pandas之初，reindex和rename容易使人混淆的一組介面，就其具體功能來看：

reindex執行的是索引重組操作，接收一組標籤序列作為新索引，既適用於行索引也適用於列標籤名，重組之後索引數量可能發生變化，索引名為傳入標籤序列
rename執行的是索引重新命名操作，接收一個字典對映或一個變換函數，也均適用於行列索引，重新命名之後索引數量不發生改變，索引名可能發生變化

另外二者執行功能和接收引數的套路也是很為相近的，均支援兩種變換方式：

一種是變換內容+axis指定作用軸（可選0/1或index/columns）；
另一種是直接用index/columns關鍵字指定作用軸

具體而言，reindex執行索引重組操作，以新接收的一組標籤序列作為索引，當原DataFrame中存在該索引時則提取相應行或列，否則賦值為空或填充指定值。對於前面介紹的範例資料df，以重組行索引為例，兩種可選方式為：

注意到原df中行索引為[1, 3, 5]，而新重組的目標索引為[1, 2, 3]，其中[1, 3]為已有索引直接提取，[2, 4]在原df中不存在，所以填充空值；同時，原df中索引[5]由於不在指定索引中，所以遭捨棄。進一步地，由於重組後可能存在空值，reindex提供了填充空值的可選引數fill_value和method，二者用法與fillna方法一致，前者用於指定固定值填充，後者用於指定填充策略，例如：

rename用法套路與reindex很為相近，但執行功能完全不同，主要用於執行索引重新命名操作，接收一個字典或一個重新命名規則的函數型別，範例如下：

03 index.map

針對DataFrame中的資料，pandas中提供了一對功能有些相近的介面：map和apply，以及applymap，其中map僅可用於DataFrame中的一列（也即即Series），可接收字典或函數完成單列資料的變換；apply既可用於一列（即Series）也可用於多列（即DataFrame），但僅可接收函數作為引數，當作用於Series時對每個元素進行變換，作用於DataFrame時對其中的每一行或每一列進行變換；而applymap則僅可作用於DataFrame，且作用物件是對DataFrame中的每個元素進行變換。也就是說，三者的最大不同在於作用範圍以及變換方式的不同。

實際上，apply和map還有一個細微區別在於：同樣是可作用於單列物件，apply適用於索引這種特殊的單列，而map則不適用。所以，對索引執行變換的另一種可選方式是用map函數，其具體操作方式與DataFrame常規map操作一致，接收一個函數作為引數即可：

04 set_index與reset_index

set_index和reset_index是一對互逆的操作，其中前者用於置位索引——將DataFrame中某一列設定為索引，同時丟棄原索引；而reset_index用於復位索引——將索引加入到資料中作為一列或直接丟棄，可選drop引數。二者是非常常用的一組操作，例如在執行groupby操作後一般會得到一個series型別，此時增加一個reset_index操作即可實現series轉換為DataFrame。當然轉換的操作不止這一種。

05 stack與unstack

這也是一對互逆的操作，其中stack原義表示堆疊，實現將所有列標籤堆疊到行索引中；unstack即解堆，用於將複合行索引中的一個維度索引平鋪到列標籤中。實際上，二者的操作即是SQL中經典的行轉列與列轉行，也即在長表與寬表之間轉換。

當然，實現unstack操作的方式還有pivot，此處不再展開。

到此這篇關於pd.DataFrame中的幾種索引變換的實現的文章就介紹到這了,更多相關pd.DataFrame 索引變換內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！