import pandas as pd
import numpy as np
# 新建df数据
df = pd.DataFrame(np.random.randint(50, 100, size=(4, 4)),
columns=pd.MultiIndex.from_product(
[['math', 'physics'], ['term1', 'term2']]),
index=pd.MultiIndex.from_tuples(
[('class1', 'LiLei'), ('class2', 'HanMeiMei'),
('class2', 'LiLei'), ('class2', 'HanMeiMei')]))
df.index.names = ['class', 'name']
# >>输出df:
行索引取值
# 取外层索引为'class1'的数据
df.loc['class1']
# 同时根据多个索引筛选取值,法一:
df.loc[('class2', 'HanMeiMei')]
# 同时根据多个索引筛选取值,法二:
df.loc['class2'].loc['HanMeiMei']
# 取内层索引:
# 先交换内外层索引位置
df.swaplevel()
# 输出:
math physics
term1 term2 term1 term2
name class
LiLei class1 81 81 77 91
HanMeiMei class2 82 83 84 79
LiLei class2 78 50 81 64
HanMeiMei class2 59 94 89 52
# 再通过取外层索引的方法取值
df.swaplevel().loc['HanMeiMei']
列索引取值
df数据:
# 外层列索引:
df['math']
# 根据多层索引联合取值:
# 以下4句代码等效:
df['math','term2']
df.loc[:, ('math','term1')]
df['math']['term2']
df[('math','term1')]
# 与行索引类似,取内层索引先交换轴
df.swaplevel(axis=1)
df.swaplevel(axis=1)['term1']
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。