关于其中多重索引以及多级标签的作者, 是暴富, 时间为01月17日21时25分, 浏览量是24。简短说明: 文章会讲述库当中具备的多重索引与多级标签, 涵盖其创建的方式修改的办法以及操作的手段。运用这些方式, 我们能够更出色地组织并处理繁杂的数据集。在所在的库里边, 存在着多重索引以及多级标签这样的情况, 它们属于在该语境之下实力颇强十分有用的一种工具, 借助这东西能够助力我们更优地去组织还有处理那些繁杂的数据集。接下来我们会去讲述关于多重索引与多级标签它们的基本概念, 以及创建方式, 还有修改的办法, 以及操作的手段。一、基本概念多重索引, 在其中, 存在这样一种情况, 就是一个能够拥有多个索引级别, 并且每个级别又能够拥有多个索引值。像这种具备多个级别的索引就被称作多重索引。而多级标签, 也就是 Label , 它指的是那种包含多个级别的标签, 用以标识其中的行和列。二、建立多重索引以及多级标签的建立多重索引的, 运用pd..()方式能够构建一个具备多重索引的, 比如:import pandas as pdarrays [[A, B, C], [1, 2, 3]]index pd.MultiIndex.from_arrays(arrays, names(Letter, Number))data {Data: [10, 20, 30]}df pd.DataFrame(data, indexindex)将得以创建一个有着两个索引级别的, 其中第一个级别为字母A、B、C, 第二个级别是数字1、2、3。对于创建多级标签的情况而言: 借助pd..()方法能够创建一个具备多级标签的。举例来说:arrays [[A, B, C], [1, 2, 3]]tuples list(zip(*arrays))index pd.MultiIndex.from_tuples(tuples, names(Letter, Number))data {Data: [10, 20, 30]}df pd.DataFrame(data, indexindex)这会创建一个具备两个索引级别的, 首层级别为字母涵盖A、B、C, 次层级别为数字包含1、2、3。和上一个示例不一样, 此处运用元组列表而非数组列表来创建多级标签。三、要对多重索引进行修改, 能够运用()这种方式来更改多重索引的级别, 比如:df.index.set_levels([[X, Y], [4, 5]], inplaceTrue)这会将首个级别的字母, 就是那A、B、C, 替换成字母X、Y, 把第二个级别的数字, 即1、2、3, 替换为数字4、5。留意True参数是用于直接去修改原始的。修改多级标签: 能够运用()方法来修改多级标签的标签值。比如:df.index.set_labels([0, 1], level1, inplaceTrue)会将第二个级别的那些数字, 也就是1、2、3, 替换成数字0、1, 要注意level参数是用来指定需修改的级别的, 而 True参数是用于直接对原始进行修改的。四、进行操作多重索引以及多级标签的重命名多重索引这一行为的级别, 运用()方法能够实现对多重索引该级别的重命名, 举例来说:df.index.rename([NewLetter, NewNumber], axis1, inplaceTrue)这会将首个级别的字母A、B、C重新命名为新字母, 把第二个级别的数字1、2、3重新命名为新数字, 注意axis 1参数规定对列予以重命名, 切换多重索引的方向, 运用( )方法能够切换多重索引的方向, 例如:df.index df.index.swaplevel(0, 1)这会把处于第一个层级的字母A、B、C跟第二个层级的数字1、2、3进行交换位置, 进而形成具有一个新的情况。留意 返回值属于一个新的情况, 原始的情况不会被改变。要是需要把结果赋值回到原始的情况, 能够使用 True 参数。比如: df.index.(0, 1, in。