熊猫数据框：从单索引更改为多列索引答案

【问题标题】：pandas dataframe: Changing from single index to multi-column index熊猫数据框：从单索引更改为多列索引
【发布时间】：2017-11-09 07:53:31
【问题描述】：

在 python pandas 我有一个数据框

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

目前两者的索引是date。

我想将 df_aaa 附加到 df_all，并让它们带有符号和日期的复合索引。

我该怎么做？

基本上以下都是一个问题：如何设置多索引并在追加时使用它。我可以用不同的列顺序吗？我需要刷新吗？等等：

我不确定 multi-index 是否是具有多个“列”（或行）的索引，或者它是否能够拥有多个索引（其中任何一个都可以用于多个列或行）。或者两者都是正确的？
我必须首先将两个数据帧的索引设置为多索引，这样追加才能起作用吗？（否则我会有不同符号的重复项
在创建新索引之前是否必须“删除”现有索引？
有没有数据但没有索引的数据框这样的东西？
（单个）索引必须具有唯一值吗？
我什么时候使用以下哪种数据框方法：set_index()、reindex()、reset_index()、set_level、reset_level？
当我给这些方法一个数组时，默认值是什么。 Python 文档令人生畏，我在其中找不到我的手或腿。举一些好的例子会有所帮助......
设置索引时是否需要添加任何内容（如axis=1）？
如何将索引设置为列中的数据。（为什么有时使用 ['symbol', 'date'] 作为参数，给我一个包含这两个值的新列，而不是在具有这两个名称的列的现有值上设置索引？）

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

您可以将它们连接起来并然后设置索引。

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

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

请注意，这只有在您的数据框具有相同的列时才有效。s

如果您将来必须执行多个追加，最好的办法是让其中一个具有另一个的形状，执行连接，并根据需要重置索引。

我会一一回答你所有的问题。

我不确定多索引是否是具有多个“列”的索引（或行），或者它是否能够拥有多个索引（以及任何其中可能用于多列或多行）。还是两者都正确？

这取决于您所指的轴。沿着行（第 0^th 轴），您有 2 个或更多列形成一个 MultiIndex。沿列（1^st 轴）也是如此。

我必须首先将两个数据帧的索引设置为多索引，所以追加会起作用吗？（否则我会有不同的重复符号

不需要。虽然可以，但在这种情况下不这样做会更简单。

我必须在创建新索引之前“删除”现有索引吗？不，只是列必须对齐（列名和列数应该相同）。

有数据但没有索引的数据框这样的东西吗？

没有。所有行都被索引。即使没有列作为索引，索引也是一个单调递增的数字。此处遵循的模型与 RDBM 中的模型相似。

（单个）索引必须具有唯一值吗？

一般来说，必须，所以行可以被唯一标识。如果您有MultiIndex，则构成索引的每个值组合都必须是唯一的。

我什么时候使用以下数据框方法：set_index()， reindex(), reset_index(), set_level, reset_level?

这是一个广泛的问题。这取决于你什么时候想对索引进行操作，如果是，你想用它做什么？仔细查看每个文档。

【讨论】：

请注意，在问题中，两个数据框当前都有一个日期索引。而不是汽车号码。关于各种数据框函数：我的意思是在这个问题的上下文中：在所有这些函数中，我都有“level =”和“columns =”而且我不明白 ['symbol', 'date'] 的默认值是什么.我在合并后做了 set_index，但没有正确设置列。
@pashute 您的两个数据框的当前索引是多少？尽管您的问题提供的背景有限，但我已尽力为您提供帮助。
@coldspeed 谢谢你！但是一个。如果我有日期索引，您的解决方案将不起作用。它给了我 2 行的 na。索引列没有名称，第 1 行有“符号”，第 2 行有“日期”。
@pashute 先调用reset_index，然后再连接。见编辑。

【解决方案2】：

只需将 df 和 reset_index() 附加到 set_index() 和 keys 参数即可。这是单线：

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

这里是完整的工作示例。

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

【讨论】：

您的回答与我的回答有何不同、形式或形式，几乎是 40 分钟后发布的？
我正在提供完整的工作样本。不过你的速度更快:)
我不明白这有什么不同。此外，OP 承认它不能按原样工作（需要稍作改动，请参阅我的回答）
哦，你是对的。直到现在我才看到这个对话
谢谢tworec！如果没有您的回答，我将无法理解 Coldspeed 的声明：我是否必须在创建新索引之前“删除”现有索引？不，只是列必须对齐（列名和列数应该相同）。 reset_index 当然就是这样做的。你们都没有回答重新索引的问题，也没有回答索引与列的问题。我会接受 ColdSpeed 的回答，但据我所知，对于我们程序员来说，我自己的另一个答案。

【解决方案3】：

这是我从答案中收集并浏览文档的内容：

有一个“默认索引”，它是每一行的“行号”，它不属于任何列。

与该索引合并时，（似乎）不需要重新索引。

但是，如果我想在索引设置为“非标准”后更改索引，我必须“reset_index()”并将其恢复为默认值，然后我可以从那里创建新的多索引（如解释在下面的修订答案中）

多索引是具有多个键的索引（即，如果索引行，则将使用多个列）。

我仍然不确定您是否必须在合并后重新索引列，但according to this 似乎您获得了一个自动生成的新“默认索引”并且必须保存旧的，删除之前的索引合并（reset_index）并在完成后再次设置。

关于索引替换列的另一个问题 - 我会检查并返回这里。

这是一个后续。

【讨论】：