Python酷库之旅-第三方库Pandas(208)

目录

一、用法精讲

971、pandas.MultiIndex.set_levels方法

971-1、语法

971-2、参数

971-3、功能

971-4、返回值

971-5、说明

971-6、用法

971-6-1、数据准备

971-6-2、代码示例

971-6-3、结果输出

972、pandas.MultiIndex.from_arrays类方法

972-1、语法

972-2、参数

972-3、功能

972-4、返回值

972-5、说明

972-6、用法

972-6-1、数据准备

972-6-2、代码示例

972-6-3、结果输出

973、pandas.MultiIndex.from_tuples类方法

973-1、语法

973-2、参数

973-3、功能

973-4、返回值

973-5、说明

973-6、用法

973-6-1、数据准备

973-6-2、代码示例

973-6-3、结果输出

974、pandas.MultiIndex.from_product类方法

974-1、语法

974-2、参数

974-3、功能

974-4、返回值

974-5、说明

974-6、用法

974-6-1、数据准备

974-6-2、代码示例

974-6-3、结果输出

975、pandas.MultiIndex.from_frame类方法

975-1、语法

975-2、参数

975-3、功能

975-4、返回值

975-5、说明

975-6、用法

975-6-1、数据准备

975-6-2、代码示例

975-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

971、pandas.MultiIndex.set_levels方法
971-1、语法
python 复制代码
# 971、pandas.MultiIndex.set_levels方法
pandas.MultiIndex.set_levels(levels, *, level=None, verify_integrity=True)
Set new levels on MultiIndex. Defaults to returning new index.

Parameters:
levels
sequence or list of sequence
New level(s) to apply.

level
int, level name, or sequence of int/level names (default None)
Level(s) to set (None for all levels).

verify_integrity
bool, default True
If True, checks that levels and codes are compatible.

Returns:
MultiIndex
971-2、参数

971-2-1、levels**(必需)****:**列表或数组,用于替换多重索引的指定级别的新值,可以传入单个列表或多个列表。

971-2-2、level**(可选,默认值为None)****:**整数、整数列表或None,指定特定级别时,仅修改对应的层级,可以是单个整数或整数列表,当为None时,替换所有级别。

971-2-3、verify_integrity**(可选,默认值为True)****:**布尔值,是否检查新的级别值是否有效和一致。

971-3、功能

修改多重索引的特定级别或全部级别的值,允许灵活地重新设置多重索引的层级。

971-4、返回值

返回一个新的MultiIndex对象,原始MultiIndex对象不会被修改。

971-5、说明

971-6、用法
971-6-1、数据准备
python 复制代码
971-6-2、代码示例
python 复制代码
# 971、pandas.MultiIndex.set_levels方法
import pandas as pd
# 创建多重索引
index = pd.MultiIndex.from_arrays([
    ['A', 'A', 'B', 'B'],
    [1, 2, 1, 2]
])
# 修改第一级别
new_index = index.set_levels(['X', 'Y'], level=0)
# 修改全部级别
new_index = index.set_levels([['X', 'Y'], [3, 4]])
print(new_index)
971-6-3、结果输出
python 复制代码
# 971、pandas.MultiIndex.set_levels方法
# MultiIndex([('X', 3),
#             ('X', 4),
#             ('Y', 3),
#             ('Y', 4)],
#            )
972、pandas.MultiIndex.from_arrays类方法
972-1、语法
python 复制代码
# 972、pandas.MultiIndex.from_arrays类方法
classmethod pandas.MultiIndex.from_arrays(arrays, sortorder=None, names=_NoDefault.no_default)
Convert arrays to MultiIndex.

Parameters:
arrays
list / sequence of array-likes
Each array-like gives one level's value for each data point. len(arrays) is the number of levels.

sortorder
int or None
Level of sortedness (must be lexicographically sorted by that level).

names
list / sequence of str, optional
Names for the levels in the index.

Returns:
MultiIndex
972-2、参数

972-2-1、arrays**(必需)****:**列表或数组的列表,用于构建多重索引的数组,每个数组代表一个级别的索引。

972-2-2、sortorder**(可选,默认值None)****:**整数或None,指定索引的排序顺序,可以是一个整数,表示要排序的级别的索引,如果为 None,则不进行排序。

972-2-3、names**(可选)****:**字符串列表或None,为每个级别指定名称,如果不提供,则级别将没有名称。

972-3、功能

创建一个多重索引对象,允许在数据框中使用多层索引。

972-4、返回值

返回一个MultiIndex对象。

972-5、说明

972-6、用法
972-6-1、数据准备
python 复制代码
972-6-2、代码示例
python 复制代码
# 972、pandas.MultiIndex.from_arrays类方法
import pandas as pd
# 创建多重索引
arrays = [
    ['A', 'A', 'B', 'B'],
    [1, 2, 1, 2]
]
# 使用from_arrays创建MultiIndex
multi_index = pd.MultiIndex.from_arrays(arrays, names=['letter', 'number'])
# 输出结果
print(multi_index)
972-6-3、结果输出
python 复制代码
# 972、pandas.MultiIndex.from_arrays类方法
# MultiIndex([('A', 1),
#             ('A', 2),
#             ('B', 1),
#             ('B', 2)],
#            names=['letter', 'number'])
973、pandas.MultiIndex.from_tuples类方法
973-1、语法
python 复制代码
# 973、pandas.MultiIndex.from_tuples类方法
classmethod pandas.MultiIndex.from_tuples(tuples, sortorder=None, names=None)
Convert list of tuples to MultiIndex.

Parameters:
tuples
list / sequence of tuple-likes
Each tuple is the index of one row/column.

sortorder
int or None
Level of sortedness (must be lexicographically sorted by that level).

names
list / sequence of str, optional
Names for the levels in the index.

Returns:
MultiIndex
973-2、参数

973-2-1、tuples**(必需)****:**可迭代的元组列表,包含用于构建多重索引的元组,每个元组表示索引的一层。

973-2-2、sortorder**(可选,默认值为None)****:**整数或None,指定要排序的索引级别的顺序,如果为None,则不进行排序。

973-2-3、names**(可选,默认值为None)****:**字符串列表或None,为每个级别指定名称,如果不提供,则级别将没有名称。

973-3、功能

创建一个多重索引对象,使数据框中能够使用多层级别的索引。

973-4、返回值

返回一个MultiIndex对象。

973-5、说明

973-6、用法
973-6-1、数据准备
python 复制代码
973-6-2、代码示例
python 复制代码
# 973、pandas.MultiIndex.from_tuples类方法
import pandas as pd
# 创建多重索引的元组
tuples = [
    ('A', 1),
    ('A', 2),
    ('B', 1),
    ('B', 2)
]
# 使用from_tuples创建MultiIndex
multi_index = pd.MultiIndex.from_tuples(tuples, names=['letter', 'number'])
# 输出结果
print(multi_index)
973-6-3、结果输出
python 复制代码
# 973、pandas.MultiIndex.from_tuples类方法
# MultiIndex([('A', 1),
#             ('A', 2),
#             ('B', 1),
#             ('B', 2)],
#            names=['letter', 'number'])
974、pandas.MultiIndex.from_product类方法
974-1、语法
python 复制代码
# 974、pandas.MultiIndex.from_product类方法
classmethod pandas.MultiIndex.from_product(iterables, sortorder=None, names=_NoDefault.no_default)
Make a MultiIndex from the cartesian product of multiple iterables.

Parameters:
iterables
list / sequence of iterables
Each iterable has unique labels for each level of the index.

sortorder
int or None
Level of sortedness (must be lexicographically sorted by that level).

names
list / sequence of str, optional
Names for the levels in the index. If not explicitly provided, names will be inferred from the elements of iterables if an element has a name attribute.

Returns:
MultiIndex
974-2、参数

974-2-1、iterables**(必需)****:**可迭代对象的列表,提供多个可迭代对象,这些对象将用于生成笛卡尔积。

974-2-2、sortorder**(可选,默认值为None)****:**整数或None,指定要排序的索引级别的顺序,如果为None,则不进行排序。

974-2-3、names**(可选)****:**字符串列表或None,为每个级别指定名称,如果不提供,则级别将没有名称。

974-3、功能

创建一个多重索引对象,该对象是通过给定的可迭代对象生成的所有可能组合。

974-4、返回值

返回一个MultiIndex对象。

974-5、说明

974-6、用法
974-6-1、数据准备
python 复制代码
974-6-2、代码示例
python 复制代码
# 974、pandas.MultiIndex.from_product类方法
import pandas as pd
# 创建多个可迭代对象
iterables = [
    ['A', 'B'],
    [1, 2, 3]
]
# 使用from_product创建MultiIndex
multi_index = pd.MultiIndex.from_product(iterables, names=['letter', 'number'])
# 输出结果
print(multi_index)
974-6-3、结果输出
python 复制代码
# 974、pandas.MultiIndex.from_product类方法
# MultiIndex([('A', 1),
#             ('A', 2),
#             ('A', 3),
#             ('B', 1),
#             ('B', 2),
#             ('B', 3)],
#            names=['letter', 'number'])
975、pandas.MultiIndex.from_frame类方法
975-1、语法
python 复制代码
# 975、pandas.MultiIndex.from_frame类方法
classmethod pandas.MultiIndex.from_frame(df, sortorder=None, names=None)
Make a MultiIndex from a DataFrame.

Parameters:
df
DataFrame
DataFrame to be converted to MultiIndex.

sortorder
int, optional
Level of sortedness (must be lexicographically sorted by that level).

names
list-like, optional
If no names are provided, use the column names, or tuple of column names if the columns is a MultiIndex. If a sequence, overwrite names with the given sequence.

Returns:
MultiIndex
The MultiIndex representation of the given DataFrame.
975-2、参数

975-2-1、df**(必需)****:**DataFrame,表示要从中提取索引的DataFrame,它的列将被用作多重索引的级别。

975-2-2、sortorder**(可选,默认值为None)****:**整数或None,指定要排序的索引级别的顺序,如果为None,则不进行排序。

975-2-3、names**(可选,默认值为None)****:**字符串列表或None,为每个级别指定名称,如果不提供,则级别将没有名称。

975-3、功能

用于从一个DataFrame中提取级别并创建一个多重索引,该方法对于处理具有层次结构的索引非常有用,通常用于将DataFrame的列转换为MultiIndex的级别。

975-4、返回值

返回一个MultiIndex对象。

975-5、说明

975-6、用法
975-6-1、数据准备
python 复制代码
975-6-2、代码示例
python 复制代码
# 975、pandas.MultiIndex.from_frame类方法
import pandas as pd
# 创建一个DataFrame
data = {
    'A': ['foo', 'foo', 'bar', 'bar'],
    'B': ['one', 'two', 'one', 'two'],
    'C': [1, 2, 3, 4]
}
df = pd.DataFrame(data)
# 使用from_frame创建MultiIndex
multi_index = pd.MultiIndex.from_frame(df[['A', 'B']], names=['first_level', 'second_level'])
# 输出结果
print(multi_index)
975-6-3、结果输出
python 复制代码
# 975、pandas.MultiIndex.from_frame类方法
# MultiIndex([('foo', 'one'),
#             ('foo', 'two'),
#             ('bar', 'one'),
#             ('bar', 'two')],
#            names=['first_level', 'second_level'])

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
相关推荐
一百天成为python专家3 分钟前
数据可视化
开发语言·人工智能·python·机器学习·信息可视化·numpy
金井PRATHAMA8 分钟前
主要分布在背侧海马体(dHPC)CA1区域(dCA1)的时空联合细胞对NLP中的深层语义分析的积极影响和启示
人工智能·神经网络·自然语言处理
说私域8 分钟前
技术赋能与营销创新:开源链动2+1模式AI智能名片S2B2C商城小程序的流量转化路径研究
人工智能·小程序·开源
武子康3 小时前
Java-82 深入浅出 MySQL 内部架构:服务层、存储引擎与文件系统全覆盖
java·开发语言·数据库·学习·mysql·spring·微服务
倒悬于世3 小时前
开源的语音合成大模型-Cosyvoice使用介绍
人工智能·python·语音识别
惜.己4 小时前
pytest中使用skip跳过某个函数
开发语言·python·测试工具·pytest
姜暮儿4 小时前
C++ 性能优化
开发语言·c++
pk_xz1234564 小时前
光电二极管探测器电流信号处理与指令输出系统
人工智能·深度学习·数学建模·数据挖掘·信号处理·超分辨率重建
蓝蜂物联网4 小时前
边缘计算网关赋能智慧农业:物联网边缘计算的创新应用与实践
人工智能·物联网·边缘计算
酌沧4 小时前
AI图像编辑能力评测的8大测评集
人工智能