3. 14、pandas的层次索引与取值的新方法_笔记
    5. # pandas:层次索引
    6. # 在某一个方向拥有多个（两个及两个以上）索引级别
    7. # 通过层次化索引，pandas能够以较低维度形式处理高纬度的数据
    8. # 通过层次化索引，可以按照层次统计数据
    9. # 层次索引包括Series层次索引和DataFrame层次索引
    11. s1 = pd.Series(data=[99, 87, 76, 67, 99],
    12.               index=[['2017', '2017', '2018', '2018', '2018'], ['dfy', 'lisi', 'dfy', 'lisi', 'zs']])
    13. # 数据透视表 用到层次索引
    15. df1 = pd.DataFrame({
    16.    'year': [2016, 2016, 2017, 2017, 2018],
    17.    'fruit': ['apple', 'banana', 'apple', 'banana', 'apple'],
    18.    'production': [2345, 3242, 5667, 2576, 2134],
    19.    'profits': [23.22, 76.89, 90.99, 78.22, 98.76],
    20. })
    22. # ix是比较老的方法 新方式是使用iloc  loc
    23. # iloc 对下标值进行操作 Series与DataFrame都可以操作
    24. # loc 对索引值进行操作 Series与DataFrame都可以操作
    26. # 将数据进行归一 合并  数据有重复  类似合并单元格
    27. # 设置多个行索引 层次化索引
    28. # 根据层次化索引取值 此时可以理解为三维的
    30. # pandas：按照层次索引进行统计数据
    31. # print(df2.sum(level='year'))
    32. # print(df2.mean(level='fruit'))
    33. # 下面的level写了2个相当于是 并且的关系
    34. # print(df2.min(level=['year', 'fruit']))
    35. # -*- coding: utf-8 -*-
    36. __author__ = 'dongfangyao'
    37. __date__ = '2018/1/2 下午9:10'
    38. __product__ = 'PyCharm'
    39. __filename__ = 'pandas5'
    40. import pandas as pd
    42. print(pd.__version__)
    43. s1 = pd.Series(data=[99, 87, 76, 67, 99],
    44.               index=[['2017', '2017', '2018', '2018', '2018'], ['dfy', 'lisi', 'dfy', 'lisi', 'zs']])
    45. # 数据透视表 用到层次索引
    46. print(s1)
    47. print(s1.iloc[1])
    48. print(s1.loc['2017', 'lisi'])
    50. df1 = pd.DataFrame({
    51.    'year': [2016, 2016, 2017, 2017, 2018],
    52.    'fruit': ['apple', 'banana', 'apple', 'banana', 'apple'],
    53.    'production': [2345, 3242, 5667, 2576, 2134],
    54.    'profits': [23.22, 76.89, 90.99, 78.22, 98.76],
    55. })
    56. print(df1)
    57. print('-----')
    58. df2 = df1.set_index(['year', 'fruit'])
    59. # df1.index = ['a', 'b', 'a', 'c', 'd']
    60. # print(df2)
    61. # print(df2.index)
    62. print('-----')
    63. # print(df2.sum(level='year'))
    64. # print(df2.mean(level='fruit'))
    65. # print(df2.sum(level=['year', 'fruit']))
    67. # 取值的新方法
    68. # print(df1['profits'][2])
    69. # print(df1.ix[2]['profits'])
    70. # iloc 对下标值进行操作
    71. print(df1.iloc[2, 2])
    72. # loc 对索引值进行操作
    73. print(df1.loc[2, 'profits'])
    74. 复制代码