pandas 索引笔记

 import pandas as pd
 import numpy as np

 s = pd.Series(np.random.rand(5), index=list('abcde'))
 ＃ 创建序列，其中 index=list('abcde')为每一行添加索引
 s.index.name='alpha'  # 为行索引添加名称标签

 df = pd.DataFrame(np.random.randn(4,3), columns=['one','two','three'])
 # 创建DataFrame，其中columns=['one','two','three']表示为每一列添加索引
 df.index.name = 'row'  # 为行索引添加名称标签
 df.columns.name = 'col'  # 为列索引添加名称标签

 import pandas as pd
 import numpy as np

 s = pd.Series(np.arange(6), index=list('abcbda'))
 # 创建一个带有重复索引的Series

 s['a']  # 找出a的所有索引对应的值
 s.index.is_unique  # 判断s中每个索引是否独一无二
 s.index.unique()  # 找出s中不重复的索引

 s.groupby(s.index).sum()  # 将索引分组并求和
 s.groupby(s.index).mean()  # 将索引分组并求均值
 s.groupby(s.index).first()  # 将索引分组并取第一项

 import pandas as pd
 import numpy as np

 a = [['a','a','a','b','b','c','c'],[1,2,3,1,2,2,3]]
 t = list(zip(*a))
 index = pd.MultiIndex.from_tuples(t,names=['level1','level2'])
 s = pd.Series(np.random.rand(7),index=index)
 # 输出 s
 level1  level2
 a        1         0.029233
           2         0.539508
           3         0.502217
 b        1         0.536222
           2         0.217398
 c        2         0.551864
          3         0.596248

 s['b']
 # 输出
 level2
 1    0.536222
 2    0.217398
 dtype: float64

 s['b':'c']
 # 输出
 level1  level2
 b       1         0.536222
         2         0.217398
 c       2         0.551864
         3         0.596248
 dtype: float64

 s[['a','c']]
 # 输出
 level1  level2
 a       1         0.029233
         2         0.539508
         3         0.502217
 c       2         0.551864
         3         0.596248
 dtype: float64

 s[:,2]
 # 输出
 level1
 a    0.539508
 b    0.217398
 c    0.551864
 dtype: float64