Pandas中如何将分组值设置为DataFrame索引并实现层级展示

本教程详细阐述了在Pandas中如何通过`set_index`方法结合`sort_index`来创建具有层级结构的DataFrame索引，从而实现数据按指定列（如'Continent'）分组的视觉效果。文章澄清了`set_index`与`groupby`的区别，并提供了具体代码示例，指导读者高效地组织和访问多层索引数据。

理解Pandas中的索引与分组操作

在Pandas数据处理中，groupby()和set_index()是两个核心但功能截然不同的操作。初学者常会将它们混淆，尤其是在希望将某一列作为索引并实现数据“分组”展示时。

• groupby()方法：其主要目的是对DataFrame进行分组，以便执行聚合操作（如求和、平均值、计数等）或进行迭代。调用groupby()本身并不会立即返回一个已分组的DataFrame，而是返回一个DataFrameGroupBy对象。这个对象需要进一步配合聚合函数（如.sum(), .mean(), .apply()等）才能生成结果。

  示例：groupby的典型用法

  import pandas as pd
  
  # 示例数据
  data = {
      'Country': ['China', 'United States', 'Japan', 'United Kingdom', 'Russian Federation', 'India', 'South Korea', 'Iran', 'Australia', 'Germany', 'France'],
      'Continent': ['Asia', 'North America', 'Asia', 'Europe', 'Europe', 'Asia', 'Asia', 'Asia', 'Australia', 'Europe', 'Europe'],
      'Population': [1367.64, 317.61, 127.40, 63.87, 143.50, 1276.73, 49.80, 77.07, 23.31, 80.36, 63.83]
  }
  df = pd.DataFrame(data)
  
  print("原始DataFrame头部：")
  print(df.head())
  
  # 尝试直接groupby
  grouped_obj = df.groupby('Continent')
  print("\n直接调用groupby返回的是一个GroupBy对象：")
  print(grouped_obj)
  
  # groupby的聚合用法
  continent_population_sum = df.groupby('Continent')['Population'].sum()
  print("\n按大洲汇总人口：")
  print(continent_population_sum)
  
  # groupby的迭代用法
  print("\n按大洲迭代：")
  for continent, group_df in df.groupby('Continent'):
      print(f"--- {continent} ---")
      print(group_df)

  登录后复制

• set_index()方法：此方法用于将DataFrame中的一列或多列设置为新的索引。当设置多列作为索引时，它会创建一个多级索引（MultiIndex），这正是实现数据层级展示的关键。

创建层级索引实现数据分组展示

要实现将某一列（如'Continent'）作为主索引，并在其下展示相关数据，同时让主索引值只显示一次，最有效的方法是使用set_index()创建多级索引，并结合sort_index()。Pandas在显示多级索引时，会自动折叠相同的高层级索引值，使其只显示一次，从而营造出“分组”的视觉效果。

Lifetoon

免费的AI漫画创作平台

92

查看详情

步骤：

1. 确定索引列：选择你希望作为层级索引的列。通常，层级越高的列放在前面。
2. 使用set_index()：将选定的列列表传递给set_index()方法。
3. 使用sort_index()：为了确保相同的高层级索引值能够被Pandas正确折叠显示，通常需要对索引进行排序。

示例：将'Continent'和'Country'设置为多级索引

假设我们有以下DataFrame，它可能已经经过了一些计算，包含Country和Population以及聚合统计量：

import pandas as pd
import numpy as np

# 模拟用户"Edit"后的DataFrame结构
data_edit = {
    'Country': ['China', 'Japan', 'India', 'South Korea', 'Iran', 'Australia', 'United Kingdom', 'Russian Federation', 'Germany', 'France'],
    'Population': [1367.645, 127.409, 1276.730, 49.805, 77.075, 23.316, 63.870, 143.500, 80.369, 63.837],
    'Continent': ['Asia', 'Asia', 'Asia', 'Asia', 'Asia', 'Australia', 'Europe', 'Europe', 'Europe', 'Europe'],
    'sum': [2898.666, 2898.666, 2898.666, 2898.666, 2898.666, 23.316, 457.929, 457.929, 457.929, 457.929],
    'size': [5, 5, 5, 5, 5, 1, 6, 6, 6, 6],
    'mean': [579.733, 579.733, 579.733, 579.733, 579.733, 23.316, 76.321, 76.321, 76.321, 76.321],
    'std': [679.097, 679.097, 679.097, 679.097, 679.097, np.nan, 34.647, 34.647, 34.647, 34.647]
}
cont_df = pd.DataFrame(data_edit)

print("原始DataFrame (可能经过计算) 头部：")
print(cont_df.head(10))

# 将'Continent'和'Country'设置为多级索引
# 注意：set_index会移除原列，如果需要保留原列，可以先复制一份或使用reset_index
cont_indexed = cont_df.set_index(['Continent', 'Country']).sort_index()

print("\n设置多级索引并排序后的DataFrame：")
print(cont_indexed)

输出示例（部分）：

设置多级索引并排序后的DataFrame：
                        Population      sum  size     mean      std
Continent     Country                                              
Asia          China     1367.645  2898.666     5  579.733  679.097
              India     1276.730  2898.666     5  579.733  679.097
              Iran        77.075  2898.666     5  579.733  679.097
              Japan      127.409  2898.666     5  579.733  679.097
              South Korea 49.805  2898.666     5  579.733  679.097
Australia     Australia   23.316    23.316     1   23.316      NaN
Europe        France      63.837   457.929     6   7

以上就是Pandas中如何将分组值设置为DataFrame索引并实现层级展示的详细内容，更多请关注php中文网其它相关文章！