MultiIndex în Pandas pentru date pe mai multe niveluri sau ierarhice

MultiIndex în Pandas este un obiect cu mai multe niveluri sau ierarhic care vă permite să selectați mai multe rânduri și coloane în index. De asemenea, vă permite să creați analiză și manipulare a datelor sofisticate, în special pentru lucrul cu date de dimensiuni mai mari. În acest tutorial, voi explora caracteristica MultiIndex a lui Pandas. Puteți viziona videoclipul complet al acestui tutorial în partea de jos a acestui blog.

Ideea aici este că avem un index care conține și o ierarhie. Dacă ați mai folosit Pandas, știți că cadrele de date ale lui Pandas conțin un index , așa că vom adăuga straturi suplimentare la acesta. Acest lucru va face atât indexarea, cât și remodelarea datelor mai ușoare, în funcție de dacă aveți într-adevăr o ierarhie pentru datele dvs.

Pentru un exemplu, vom folosi faimosul set de date Gapminder, iar acesta este într-adevăr un MultiIndex aici. Avem o ierarhie, așa că un continent analizează țările și fiecare țară poate analiza mai mulți ani. Deci, putem manipula acest index și lucrurile vor fi mult mai ușor de codificat atunci când folosim acest MultiIndex. Ne vom uita la tăierea și, de asemenea, remodelarea setului de date Gapminder.

Cuprins

• Cum să utilizați MultiIndex în Pandas
• Concluzie

Cum să utilizați MultiIndex în Pandas

Vom folosi setul de date Gapminder. Dacă nu aveți acest lucru instalat, doriți să faceți o instalare PIP Gapminder. O să aduc și eu pandași. Folosesc distribuția Anaconda din Python. În acest caz, acel Pandas va fi deja instalat. Facem un import Gapminder și apoi ne vom uita la aceste date.

După cum puteți vedea aici, avem din nou un index sau ierarhie. Ar trebui să spun că avem un continent, o țară și apoi un an. În prezent, indexul este doar numeric ca acesta și ne vom seta propriul index chiar acum. Și modul în care vom face asta este cu Gapminder. Vom seta indexul. Îl vom seta pe continent, țară și apoi an, inplace equals ( = ) true .

Aceasta înseamnă doar salvarea rezultatelor, deci nu trebuie să apelăm variabila de două ori, doar puțin mai eficient. Și acum, veți vedea că avem aici indexul (conținut, țară, an) și acesta este multi-indexul nostru.

Câteva lucruri pe care le-am putea face aici. Să zicem, de exemplu, că mi-am dorit totul pe continentul Europa. Vreau să filtrez sau să feliez acest cadru de date. Pot să folosesc gapminder.loc și apoi să scriu în Europa. S-ar putea să fiți familiarizat cu loc. Din alte circumstanțe în Pandas, funcționează mult mai ușor atunci când o facem prin index.

Acum aceasta există într-o ierarhie. Să zicem că am vrut doar datele din Regatul Unit. Se pare că am fi capabili să tăiem acest lucru, dar aceasta va fi o problemă, deoarece atunci când indexăm acest lucru, suntem blocați să folosim ierarhia. Trebuie să începem cu primul nivel, apoi să trecem la al doilea, și la al treilea, etc.

Dacă vreau să includ mai multe niveluri, ceea ce pot face este să le trec aici. O să fac Europa, apoi Regatul Unit. Aș putea chiar să fac un pas mai departe și să pun 1997. Și acum, putem vedea aici rezultatul acelui rând în cazul respectiv.

Un alt lucru frumos cu MultiIndex în Pandas este că este mult mai ușor să remodelați datele. Pot face gapminder_pivot și apoi gapminder.unstack . Dacă trebuie să remodelez acest set de date, dintr-un motiv oarecare, voi tipări asta și veți vedea că acum avem continentul, țara și apoi anul împreună cu coloanele.

Acum, să presupunem că am vrut să fac asta în direcția opusă. Tot ce ar trebui să fac este să dezactivez pivotul și vom face gapminder_pivot . Dacă aceasta a fost dezasamblare, atunci aceasta este stacking gapminder_unpivot.

Acum, ce se întâmplă dacă vreau să scap de acest index și să-l resetez și să-l schimb cu altceva? Tot ce trebuie să fac în acest caz este gapminder_unpivot. Vom reset_index . O să facem asta din nou . Nu trebuie să economisim de la sine. Este doar puțin mai eficient. Apoi, gapminder_unpivot.

Imprimați asta și revenim la datele noastre originale și avem indexul. Numărul de pornire este la zero deoarece Python este indexare pe bază de zero.

Python în LuckyTemplates: Cum să instalați și să configurați
scripturi Python în rapoartele de date Power
BI LuckyTemplates cu scripturi Python pentru a crea tabele de date

Concluzie

Pandas a fost numit inițial după datele panoului. Este într-adevăr menit să lucreze cu date de panou, care este un tip specific de date de serie cronologică cu mai multe categorii. În acest caz, a avea o ierarhie chiar are sens, nu?

Acest lucru funcționează foarte bine dacă lucrați cu rânduri unice, încercând să găsiți mai multe coloane.

În ceea ce privește performanța, s-ar putea ca indexul să nu fie necesar dacă comasați, dar noi nu fuzionam aici. Tocmai operam, accesam, indexam, remodelam etc. Cu toate acestea, eficiența codării este cu siguranță un mare beneficiu.

Deci asta este totul pentru MultiIndex în Pandas. Sper că acesta este ceva pe care îl puteți folosi. Ai învățat ceva puțin nou despre Panda astăzi.

Toate cele bune!