pandas數據框：從單索引更改為多列索引

Question

在python熊貓中，我有一個數據框

df_aaa：

date     data  otherdata symbol
2015/1/1 11    12         aaa
2015/2/1 21    22         aaa
2015/3/1 31    31         aaa

df_all：

2015/1/1 31    31         bbb

當前兩者的索引都是按date 。

我想將df_aaa附加到df_all，並讓它們具有符號和日期的復合索引。

1. 我怎么做？

基本上，以下所有問題都是： 如何設置多索引並在添加時使用它 。 我可以用不同的列順序嗎？ 我需要刷新嗎？ 等等。：

• 我不確定multi-index是具有多個“列”（或行）的索引，還是具有多個索引（並且其中任何一個可能用於多個列或行）的能力。 還是都正確？

• 我必須首先將兩個數據框的索引都設置為多索引，以便追加能夠正常工作嗎？ （否則，我將重復使用不同的符號

• 創建新索引之前，我是否必須“刪除”現有索引？

• 有沒有數據但沒有索引的數據幀嗎？

• （單個）索引必須具有唯一值嗎？

• 什么時候使用以下哪個數據set_index()方法： set_index() ， reindex() ， reset_index() ， set_level ， reset_level ？

• 為這些方法提供數組時的默認值是什么。 Python文檔令人生畏，但我找不到它們的手或腳。 提供一些好的例子會有所幫助...

• 設置索引時是否需要添加任何內容（例如axis=1 ）？

• 如何將索引設置為列中的數據。 （為什么有時有時使用['symbol'，'date']作為參數，給我一個包含這兩個值的新列，而不是在具有這兩個名稱的列的現有值上設置索引？）

• 在附加並假設舊索引正確之后，是否需要“更新”索引（也許使用reindex？），或者因為我告訴數據框該索引在某個列中，所以我的數據是否正確索引了？

• 並且由於我的數據幀（將）在相同的列名稱上具有索引，因此即使df_all被定義為最初具有不同順序的列，我也可以在df_all上附加df_aaa。 （例如：['symbol'，'date'，'data'，'otherdata']第一列帶有符號）？

Answer 1

您可以將它們串聯起來， 然后設置索引。

df_aaa = df_aaa.reset_index()
df_all = df_all.reset_index()

df = df_aaa.append(df_all).set_index(['symbol', 'date'])

請注意，這僅在您的數據框具有相同的column.s時有效。

如果將來必須執行多個附加操作，最好的方法是將其中一個添加為另一個，然后進行串聯，並根據需要重置索引。

---

我將一一回答您所有的問題。

我不確定多索引是具有多個“列”（或行）的索引，還是具有多個索引（並且其中任何一個可能用於多個列或行）的能力。 還是都正確？

這取決於您所指的軸。 沿着行（ ^第 0軸），您有2列或更多列構成一個MultiIndex。 類似地，對於沿着列（第¹軸）。

我必須首先將兩個數據框的索引都設置為多索引，以便追加能夠正常工作嗎？ （否則，我將重復使用不同的符號

沒必要。 盡管可以，但是在這種情況下不這樣做會更簡單。

創建新索引之前，我是否必須“刪除”現有索引？ 不，只是列必須對齊（列名和列數應相同）。

有沒有數據但沒有索引的數據幀嗎？

否。所有行都已建立索引。 即使沒有列作為索引，索引也是單調遞增的數字。 此處遵循的模型與RDBM中的模型相似。

（單個）索引必須具有唯一值嗎？

通常，必須如此，以便可以唯一地標識行。 如果您具有MultiIndex ，則組成索引的每個值組合都必須是唯一的。

什么時候使用以下哪個數據框方法：set_index（），reindex（），reset_index（），set_level，reset_level？

這是一個廣泛的問題。 這取決於您何時要對索引進行操作，如果要對索引進行操作，該如何處理？ 仔細閱讀每個文檔。

Answer 2

只需附加df和reset_index()即可使用keys參數設置set_index() 。 這是單線紙：

df_all = df_all.append(df_aaa).reset_index().set_index(keys=['symbol', 'date'])

這是完整的工作示例。

In [1]: import pandas as pd
   ...: from io import StringIO
   ...: 

In [2]: df_aaa = pd.read_csv(StringIO("""date     data  otherdata symbol
   ...: 2015/1/1 11    12         aaa
   ...: 2015/2/1 21    22         aaa
   ...: 2015/3/1 31    31         aaa
   ...: """), sep="\s+", index_col='date')
   ...: 

In [3]: df_all = pd.read_csv(StringIO("""date     data  otherdata symbol
   ...: 2015/1/1 31    31         bbb"""), sep="\s+", index_col='date')
   ...: 

In [4]: df_all.append(df_aaa).reset_index().set_index(keys=['symbol', 'date'])
Out[4]: 
                 data  otherdata
symbol date                     
bbb    2015/1/1    31         31
aaa    2015/1/1    11         12
       2015/2/1    21         22
       2015/3/1    31         31

Answer 3

這是我從答案中收集並拖動文檔的內容：

有一個“默認索引”，它是每行的“行號”，並且不屬於任何列。

與該索引合並時，（似乎）無需重新索引。

但是，如果要在將索引設為“非標准”后更改索引，則必須“ reset_index（）”並將其恢復為默認值，然后從那里可以創建新的多重索引（如修訂版中所述）下面的答案）

多索引是具有多個鍵的索引（即，如果對行進行索引，則將使用不止一列）。

我仍然不確定在合並后是否必須重新索引一列，但是據此看來，您會得到一個自動生成的新“默認索引”，並且必須保存舊索引，並在合並之前刪除索引（reset_index ），並在完成后再次設置。

關於索引替換列的另一個問題-我將檢查並返回此處。

這是后續行動。