参考链接： Pandas的布尔索引
一、索引器
表的列索引 列索引是最常见的索引形式，一般通过 [] 来实现。通过 [列名] 可以从 DataFrame 中取出相应的列，返回值为 Series ，例如从表中取出姓名一列：
df = pd.read_csv("E:/document/python学习笔记/pandas学习/learn_pandas.csv",
usecols=['School','Grade','Name','Gender','Weight','Transfer'])
df['Name'].head()
# 0 Gaopeng Yang
# 1 Changqiang You
# 2 Mei Sun
# 3 Xiaojuan Sun
# 4 Gaojuan You
# Name: Name, dtype: object
如果要取出多个列，则可以通过 [列名组成的列表] ，其返回值为一个 DataFrame ，例如从表中取出性别和姓名两列：
df[['Grade','Name']].head()
此外，若要取出单列，且列名中不包含空格，则可以用 .列名 取出，这和 [列名] 是等价的：
0 Gaopeng Yang
1 Changqiang You
2 Mei Sun
3 Xiaojuan Sun
4 Gaojuan You
5 Xiaoli Qian
6 Qiang Chu
7 Gaoqiang Qian
8 Changli Zhang
9 Juan Xu
Name: Name, dtype: object
序列的行索引 【a】以字符串为索引的 Series 如果取出单个索引的对应元素，则可以使用 [item] ，若 Series 只有单个值对应，则返回这个标量值，如果有多个值对应，则返回一个 Series：
s = pd.Series([1, 2, 3, 4, 5, 6],
index=['a', 'b', 'a', 'a', 'a', 'c'])
print(s)
# a 1
# b 2
# a 3
# a 4
# a 5
# c 6
# dtype: int64
print(s['a'])
# a 1
# a 3
# a 4
# a 5
# dtype: int64
print(s['b'])
# 2
如果取出多个索引的对应元素，则可以使用 [items的列表] ：
s[['b','c']]
# b 2
# c 6
# dtype: int64
如果想要取出某两个索引之间的元素，并且这两个索引是在整个索引中唯一出现，则可以使用切片，同时需要注意这里的切片会包含两个端点：
print(s)
# a 1
# b 2
# a 3
# a 4
# a 5
# c 6
# dtype: int64
s['c': 'b': -1]
# c 6
# a 5
# a 4
# a 3
# b 2
# dtype: int64
【b】以整数为索引的 Series 在使用数据的读入函数时，如果不特别指定所对应的列作为索引，那么会生成从0开始的整数索引作为默认索引。当然，任意一组符合长度要求的整数都可以作为索引。 和字符串一样，如果使用 [int] 或 [int_list] ，则可以取出对应索引 元素 的值：
s = pd.Series(['a', 'b', 'c', 'd', 'e', 'f'],
index=[1, 3, 1, 2, 5, 4])
print(s)
# 1 a
# 3 b
# 1 c
# 2 d
# 5 e
# 4 f
# dtype: object
print(s[1])
# 1 a
# 1 c
# dtype: object
print(s[[2,3]])
# 2 d
# 3 b
# dtype: object
如果使用整数切片，则会取出对应索引 位置 的值，注意这里的整数切片同 Python 中的切片一样不包含右端点：
print(s[1:-1:2])
# 3 b
# 2 d
# dtype: object
**如果不想陷入麻烦，那么请不要把纯浮点以及任何混合类型（字符串、整数、浮点类型等的混合）作为索引，否则可能会在具体的操作时报错或者返回非预期的结果，并且在实际的数据分析中也不存在这样做的动机。**
loc索引器 前面讲到了对 DataFrame 的列进行选取，下面要讨论其行的选取。对于表而言，有两种索引器，一种是基于 元素 的 loc 索引器，另一种是基于 位置 的 iloc 索引器。 loc 索引器的一般形式是 loc[*, ] ，其中第一个 * 代表行的选择，第二个 * 代表列的选择，如果省略第二个位置写作 loc[]，这个 * 是指行的筛选。其中， * 的位置一共有五类合法对象，分别是：单个元素、元素列表、元素切片、布尔列表以及函数，下面将依次说明。 为了演示相应操作，先利用 set_index 方法把 Name 列设为索引，关于该函数的其他用法将在多级索引一章介绍。
df_demo = df.set_index('Name')
df_demo.head()
【a】 * 为单个元素
此时，直接取出相应的行或列，如果该元素在索引中重复则结果为 DataFrame，否则为 Series ：
df_demo.loc['Xiaojuan Sun'] # 多个人叫此名字
也可以同时选择行和列：
df_demo.loc['Xiaojuan Sun','Grade']
# Name
# Xiaojuan Sun Sophomore
# Xiaojuan Sun Junior
# Name: Grade, dtype: object
【b】 * 为元素列表 此时，取出列表中所有元素值对应的行或列：
df_demo.loc[['Qiang Sun','Quan Zhao'], ['School','Gender']]
【c】 * 为切片
之前的 Series 使用字符串索引时提到，如果是唯一值的起点和终点字符，那么就可以使用切片，并且**包含**两个端点，如果不唯一则报错：
df_demo.loc['Gaojuan You':'Gaoqiang Qian', 'School':'Gender']
需要注意的是，如果 DataFrame 使用整数索引，其使用整数切片的时候和上面字符串索引的要求一致，都是 元素 切片，包含端点且起点、终点不允许有重复值。
df_loc_slice_demo = df_demo.copy()
df_loc_slice_demo.index=range(df_demo.shape[0],0,-1)
df_loc_slice_demo.loc[5:3]
df_loc_slice_demo.loc[3:5] # 没有返回，说明不是整数位置切片
【d】 * 为布尔列表
在实际的数据处理中，根据条件来筛选行是极其常见的，此处传入 loc 的布尔列表与 DataFrame 长度相同，且列表为 True 的位置所对应的行会被选中， False 则会被剔除。
例如，选出体重超过70kg的学生：
df_demo.loc[df_demo.Weight>70].head()
前面所提到的传入元素列表，也可以通过 isin 方法返回的布尔列表等价写出，例如选出所有大一和大四的同学信息：
df_demo.loc[df_demo.Grade.isin(['Freshman', 'Senior'])].head()
对于复合条件而言，可以用 |（或）, &（且）, ~（取反） 的组合来实现，例如选出复旦大学中体重超过70kg的大四学生，或者北大男生中体重超过80kg的非大四的学生：
condition_1_1 = df_demo.School == 'Fudan University'
condition_1_2 = df_demo.Grade == 'Senior'
condition_1_3 = df_demo.Weight > 70
condition_1 = condition_1_1 & condition_1_2 & condition_1_3
condition_2_1 = df_demo.School == 'Peking University'
condition_2_2 = df_demo.Grade == 'Senior'
condition_2_3 = df_demo.Weight > 80
condition_2 = condition_2_1 & (~condition_2_2) & condition_2_3
df_demo.loc[condition_1 | condition_2]
【e】 * 为函数
这里的函数，必须以前面的四种合法形式之一为返回值，并且函数的输入值为 DataFrame 本身。假设仍然是上述复合条件筛选的例子，可以把逻辑写入一个函数中再返回，需要注意的是函数的形式参数 x 本质上即为 df_demo ：
def condition(x):
condition_1_1 = x.School == 'Fudan University'
condition_1_2 = x.Grade == 'Senior'
condition_1_3 = x.Weight > 70
condition_1 = condition_1_1 & condition_1_2 & condition_1_3
condition_2_1 = x.School == 'Peking University'
condition_2_2 = x.Grade == 'Senior'
condition_2_3 = x.Weight > 80
condition_2 = condition_2_1 & (~condition_2_2) & condition_2_3
result = condition_1 | condition_2
return result
df_demo.loc[condition]
此外，还支持使用 lambda 表达式，其返回值也同样必须是先前提到的四种形式之一：
df_demo.loc[lambda x:'Quan Zhao', lambda x:'Gender']
# 'Female'
由于函数无法返回如 start: end: step 的切片形式，故返回切片时要用 slice 对象进行包装：
df_demo.loc[lambda x: slice('Gaojuan You', 'Gaoqiang Qian')]
最后需要指出的是，对于 Series 也可以使用 loc 索引，其遵循的原则与 DataFrame 中用于行筛选的 loc[*] 完全一致，此处不再赘述。
iloc索引器 iloc 的使用与 loc 完全类似，只不过是针对位置进行筛选，在相应的 * 位置处一共也有五类合法对象，分别是：整数、整数列表、整数切片、布尔列表以及函数，函数的返回值必须是前面的四类合法对象中的一个，其输入同样也为 DataFrame 本身。
df_demo.iloc[1, 1] # 第二行第二列
# 'Freshman'
df_demo.iloc[[0, 1], [0, 1]] # 前两行前两列
# School Grade
# Name
# Gaopeng Yang Shanghai Jiao Tong University Freshman
# Changqiang You Peking University Freshman
df_demo.iloc[1: 4, 2:4] # 切片不包含结束端点
# Gender Weight
# Name
# Changqiang You Male 70.0
# Mei Sun Male 89.0
# Xiaojuan Sun Female 41.0
print(df_demo.iloc[lambda x: slice(1, 4)]) # 传入切片为返回值的函数
# School Grade Gender Weight
# Name
# Changqiang You Peking University Freshman Male 70.0
# Mei Sun Shanghai Jiao Tong University Senior Male 89.0
# Xiaojuan Sun Fudan University Sophomore Female 41.0
# Transfer
# Name
# Changqiang You N
# Mei Sun N
# Xiaojuan Sun N
# 'Freshman'
在使用布尔列表的时候要特别注意，不能传入 Series 而必须传入序列的 values ，否则会报错。因此，在使用布尔筛选的时候还是应当优先考虑 loc 的方式。
例如，选出体重超过80kg的学生：
df_demo.iloc[(df_demo.Weight>80).values].head()
对 Series 而言同样也可以通过 iloc 返回相应位置的值或子序列：
print(df_demo.School.iloc[1])
# Peking University
print(df_demo.School.iloc[1:5:2])
# Changqiang You Peking University
# Xiaojuan Sun Fudan University
# Name: School, dtype: object
query方法 在 pandas 中，支持把字符串形式的查询表达式传入 query 方法来查询数据，其表达式的执行结果必须返回布尔列表。在进行复杂索引时，由于这种检索方式无需像普通方法一样重复使用 DataFrame 的名字来引用列名，一般而言会使代码长度在不降低可读性的前提下有所减少。 例如，将 loc 一节中的复合条件查询例子可以如下改写：
df.query('((School == "Fudan University")&'
' (Grade == "Senior")&'
' (Weight > 70))|'
'((School == "Peking University")&'
' (Grade != "Senior")&'
' (Weight > 80))')
在 query 表达式中，帮用户注册了所有来自 DataFrame 的列名，所有属于该 Series 的方法都可以被调用，和正常的函数调用并没有区别，例如查询体重超过均值的学生：
df.query('Weight > Weight.mean()').head()
**对于含有空格的列名，需要使用 `col name` 的方式进行引用。**
同时，在 query 中还注册了若干英语的字面用法，帮助提高可读性，例如： or, and, or, is in, not in 。例如，筛选出男生中不是大一大二的学生：
df.query('(Grade not in ["Freshman", "Sophomore"]) and'
'(Gender == "Male")').head()
此外，在字符串中出现与列表的比较时， == 和 != 分别表示元素出现在列表和没有出现在列表，等价于 is in 和 not in，例如查询所有大三和大四的学生：
df.query('Grade == ["Junior", "Senior"]').head()
对于 query 中的字符串，如果要引用外部变量，只需在变量名前加 @ 符号。例如，取出体重位于70kg到80kg之间的学生：
low,high =70,80
df.query('Weight.between(@low, @high)').head()
随机抽样 如果把 DataFrame 的每一行看作一个样本，或把每一列看作一个特征，再把整个 DataFrame 看作总体，想要对样本或特征进行随机抽样就可以用 sample 函数。有时在拿到大型数据集后，想要对统计特征进行计算来了解数据的大致分布，但是这很费时间。同时，由于许多统计特征在等概率不放回的简单随机抽样条件下，是总体统计特征的无偏估计，比如样本均值和总体均值，那么就可以先从整张表中抽出一部分来做近似估计。 sample 函数中的主要参数为 n, axis, frac, replace, weights ，前三个分别是指抽样数量、抽样的方向（0为行、1为列）和抽样比例（0.3则为从总体中抽出30%的样本）。 replace 和 weights 分别是指是否放回和每个样本的抽样相对概率，当 replace = True 则表示有放回抽样。例如，对下面构造的 df_sample 以 value 值的相对大小为抽样概率进行有放回抽样，抽样数量为3。
df_sample = pd.DataFrame({'id': list('abcde'),
'value': [1, 2, 3, 4, 90]})
print(df_sample)
# id value
# 0 a 1
# 1 b 2
# 2 c 3
# 3 d 4
# 4 e 90
print(df_sample.sample(3, replace = True, weights = df_sample.value))
# id value
# 4 e 90
# 4 e 90
# 4 e 90
二、多级索引
多级索引及其表的结构 为了更加清晰地说明具有多级索引的 DataFrame 结构，下面新构造一张表，读者可以忽略这里的构造方法，它们将会在第4小节被更详细地讲解。
np.random.seed(0)
multi_index = pd.MultiIndex.from_product([list('ABCD'),
df.Gender.unique()], names=('School', 'Gender'))
multi_column= pd.MultiIndex.from_product([['Height', 'Weight'],
df.Grade.unique()], names=('Indicator', 'Grade'))
df_multi = pd.DataFrame(np.c_[(np.random.randn(8,4)*5 163).tolist(),
(np.random.randn(8,4)*5 65).tolist()],
index = multi_index,
columns = multi_column).round(1)
df_multi
下图通过颜色区分，标记了 DataFrame 的结构。与单层索引的表一样，具备元素值、行索引和列索引三个部分。其中，这里的行索引和列索引都是 MultiIndex 类型，只不过 索引中的一个元素是元组 而不是单层索引中的标量。例如，行索引的第四个元素为 ("B", "Male") ，列索引的第二个元素为 ("Height", "Senior") ，这里需要注意，外层连续出现相同的值时，第一次之后出现的会被隐藏显示，使结果的可读性增强。
与单层索引类似， MultiIndex 也具有名字属性，图中的 School 和 Gender 分别对应了表的第一层和第二层行索引的名字， Indicator 和 Grade 分别对应了第一层和第二层列索引的名字。
索引的名字和值属性分别可以通过 names 和 values 获得：
print(df_multi.index.names)
# ['School', 'Gender']
print(df_multi.index.values)
# [('A', 'Female') ('A', 'Male') ('B', 'Female') ('B', 'Male')
# ('C', 'Female') ('C', 'Male') ('D', 'Female') ('D', 'Male')]
print(df_multi.columns.names)
# ['Indicator', 'Grade']
print(df_multi.columns.values)
# [('Height', 'Freshman') ('Height', 'Senior') ('Height', 'Sophomore')
# ('Height', 'Junior') ('Weight', 'Freshman') ('Weight', 'Senior')
# ('Weight', 'Sophomore') ('Weight', 'Junior')]
如果想要得到某一层的索引，则需要通过 get_level_values 获得：
df_multi.index.get_level_values(0)
# Index(['A', 'A', 'B', 'B', 'C', 'C', 'D', 'D'], dtype='object', name='School')
df_multi.index.get_level_values(1)
# Index(['Female', 'Male', 'Female', 'Male', 'Female', 'Male', 'Female', 'Male'], dtype='object', name='Gender')
多级索引中的loc索引器 熟悉了结构后，现在回到原表，将学校和年级设为索引，此时的行为多级索引，列为单级索引，由于默认状态的列索引不含名字，因此对应于刚刚图中 Indicator 和 Grade 的索引名位置是空缺的。
df_multi = df.set_index(['School', 'Grade'])
df_multi.head()
由于多级索引中的单个元素以元组为单位，因此之前在第一节介绍的 loc 和 iloc 方法完全可以照搬，只需把标量的位置替换成对应的元组，不过在索引前最好对 MultiIndex 进行排序以避免性能警告：
df_multi = df_multi.sort_index()
print(df_multi.loc[('Fudan University', 'Junior')].head())
# Name Gender Weight Transfer
# School Grade
# Fudan University Junior Yanli You Female 48.0 N
# Junior Chunqiang Chu Male 72.0 N
# Junior Changfeng Lv Male 76.0 N
# Junior Yanjuan Lv Female 49.0 NaN
# Junior Gaoqiang Zhou Female 43.0 N
print(df_multi.loc[[('Fudan University', 'Senior'),
('Shanghai Jiao Tong University', 'Freshman')]].head(10))
# Name Gender Weight Transfer
# School Grade
# Fudan University Senior Chengpeng Zheng Female 38.0 N
# Senior Feng Zhou Female 47.0 N
# Senior Gaomei Lv Female 34.0 N
# Senior Chunli Lv Female 56.0 N
# Senior Chengpeng Zhou Male 81.0 N
# Senior Gaopeng Qin Female 52.0 N
# Senior Chunjuan Xu Female 47.0 N
# Senior Juan Zhang Female 47.0 N
# Senior Chengpeng Qian Male 73.0 Y
# Senior Xiaojuan Qian Female 50.0 N
print(df_multi.loc[df_multi.Weight > 70].head(10)) # 布尔列表也是可用的)
# Name Gender Weight Transfer
# School Grade
# Fudan University Freshman Feng Wang Male 74.0 N
# Junior Chunqiang Chu Male 72.0 N
# Junior Changfeng Lv Male 76.0 N
# Senior Chengpeng Zhou Male 81.0 N
# Senior Chengpeng Qian Male 73.0 Y
# Sophomore Gaojuan You Male 74.0 N
# Sophomore Mei Xu Male 79.0 N
# Peking University Freshman Gaoli Zhao Male 78.0 N
# Freshman Xiaojuan Qin Male 79.0 Y
# Freshman Qiang Han Male 87.0 N
print(df_multi.loc[lambda x:('Fudan University','Junior')].head())
# Name Gender Weight Transfer
# School Grade
# Fudan University Junior Yanli You Female 48.0 N
# Junior Chunqiang Chu Male 72.0 N
# Junior Changfeng Lv Male 76.0 N
# Junior Yanjuan Lv Female 49.0 NaN
# Junior Gaoqiang Zhou Female 43.0 N
此外，在多级索引中的元组有一种特殊的用法，可以对多层的元素进行交叉组合后索引，但同时需要指定 loc 的列，全选则用 : 表示。其中，每一层需要选中的元素用列表存放，传入 loc 的形式为 [(level_0_list, level_1_list), cols] 。例如，想要得到所有北大和复旦的大二大三学生，可以如下写出：
res = df_multi.loc[(['Peking University', 'Fudan University'],
['Sophomore', 'Junior']), :]
print(res)
# Name Gender Weight Transfer
# School Grade
# Peking University Sophomore Changmei Xu Female 43.0 N
# Sophomore Xiaopeng Qin Male NaN N
# Sophomore Mei Xu Female 39.0 N
# Sophomore Xiaoli Zhou Female 55.0 N
# Sophomore Peng Han Female 34.0 NaN
# Junior Juan Xu Female NaN N
# Junior Changjuan You Female 47.0 N
# Junior Gaoli Xu Female 48.0 N
# Junior Gaoquan Zhou Male 70.0 N
# Junior Qiang You Female 56.0 N
# Junior Chengli Zhao Male NaN NaN
# Junior Chengpeng Zhao Female 44.0 N
# Junior Xiaofeng Zhao Female 46.0 N
# Fudan University Sophomore Xiaojuan Sun Female 41.0 N
# Sophomore Gaojuan You Male 74.0 N
# Sophomore Xiaoquan Zhang Female 45.0 N
print(res.shape)
# (33, 4)
下面的语句和上面类似，但仍然传入的是元素（这里为元组）的列表，它们的意义是不同的，表示的是选出北大的大三学生和复旦的大二学生：
res = df_multi.loc[[('Peking University', 'Junior'),
('Fudan University', 'Sophomore')]]
print(res.head())
# Name Gender Weight Transfer
# School Grade
# Peking University Junior Juan Xu Female NaN N
# Junior Changjuan You Female 47.0 N
# Junior Gaoli Xu Female 48.0 N
# Junior Gaoquan Zhou Male 70.0 N
# Junior Qiang You Female 56.0 N
print(res.shape)
# (16, 4)
IndexSlice对象 前面介绍的方法，即使在索引不重复的时候，也只能对元组整体进行切片，而不能对每层进行切片，也不允许将切片和布尔列表混合使用，引入 IndexSlice 对象就能解决这个问题。 Slice 对象一共有两种形式，第一种为 loc[idx[,]] 型，第二种为 loc[idx[,],idx[,]] 型，下面将进行介绍。为了方便演示，下面构造一个 索引不重复的 DataFrame ：
np.random.seed(0)
L1,L2 = ['A','B','C'],['a','b','c']
mul_index1 = pd.MultiIndex.from_product([L1,L2],names=('Upper', 'Lower'))
L3,L4 = ['D','E','F'],['d','e','f']
mul_index2 = pd.MultiIndex.from_product([L3,L4],names=('Big', 'Small'))
df_ex = pd.DataFrame(np.random.randint(-9,10,(9,9)),
index=mul_index1,
columns=mul_index2)
print(df_ex)
# Big D E F
# Small d e f d e f d e f
# Upper Lower
# A a 3 6 -9 -6 -6 -2 0 9 -5
# b -3 3 -8 -3 -2 5 8 -4 4
# c -1 0 7 -4 6 6 -9 9 -6
# B a 8 5 -2 -9 -8 0 -9 1 -6
# b 2 9 -7 -9 -9 -5 -4 -3 -1
# c 8 6 -5 0 1 -8 -8 -2 0
# C a -6 -3 2 5 9 -9 5 -6 3
# b 1 2 -5 -3 -5 6 -6 3 -5
# c -1 5 6 -6 6 4 7 8 -4
为了使用 silce 对象，先要进行定义：
idx = pd.IndexSlice
【a】 loc[idx[,]] 型
这种情况并不能进行多层分别切片，前一个 * 表示行的选择，后一个 * 表示列的选择，与单纯的 loc 是类似的：
print(df_ex.loc[idx['C':, ('D', 'f'):]])
# Big D E F
# Small f d e f d e f
# Upper Lower
# C a 2 5 9 -9 5 -6 3
# b -5 -3 -5 6 -6 3 -5
# c 6 -6 6 4 7 8 -4
另外，也支持布尔序列的索引：
print(df_ex.loc[idx[:'A', lambda x:x.sum()>0]]) # 列和大于0
# Big D F
# Small d e e
# Upper Lower
# A a 3 6 9
# b -3 3 -4
# c -1 0 9
【b】 loc[idx[,],idx[,]] 型
这种情况能够分层进行切片，前一个 idx 指代的是行索引，后一个是列索引。
print(df_ex.loc[idx[:'A', 'b':], idx['E':, 'e':]])
# Big E F
# Small e f e f
# Upper Lower
# A b -2 5 -4 4
# c 6 6 9 -6
多级索引的构造 前面提到了多级索引表的结构和切片，那么除了使用 set_index 之外，如何自己构造多级索引呢？常用的有 from_tuples, from_arrays, from_product 三种方法，它们都是 pd.MultiIndex 对象下的函数。 from_tuples 指根据传入由元组组成的列表进行构造：
my_tuple = [('a','cat'),('a','dog'),('b','cat'),('b','dog')]
pd.MultiIndex.from_tuples(my_tuple, names=['First','Second'])
# MultiIndex([('a', 'cat'),
# ('a', 'dog'),
# ('b', 'cat'),
# ('b', 'dog')],
# names=['First', 'Second'])
from_arrays 指根据传入列表中，对应层的列表进行构造：
my_array = [list('aabb'), ['cat', 'dog']*2]
pd.MultiIndex.from_arrays(my_array, names=['First','Second'])
# MultiIndex([('a', 'cat'),
# ('a', 'dog'),
# ('b', 'cat'),
# ('b', 'dog')],
# names=['First', 'Second'])
from_product 指根据给定多个列表的笛卡尔积进行构造：
my_list1 = ['a','b']
my_list2 = ['cat','dog']
pd.MultiIndex.from_product([my_list1,my_list2],names=['First','Second'])
# MultiIndex([('a', 'cat'),
# ('a', 'dog'),
# ('b', 'cat'),
# ('b', 'dog')],
# names=['First', 'Second'])
三、索引的常用方法
索引层的交换和删除 为了方便理解交换的过程，这里构造一个三级索引的例子：
import numpy as np
import pandas as pd
np.random.seed(0)
L1,L2,L3 = ['A','B'],['a','b'],['alpha','beta']
mul_index1 = pd.MultiIndex.from_product([L1,L2,L3],names=('Upper', 'Lower','Extra'))
L4,L5,L6 = ['C','D'],['c','d'],['cat','dog']
mul_index2 = pd.MultiIndex.from_product([L4,L5,L6],names=('Big', 'Small', 'Other'))
df_ex = pd.DataFrame(np.random.randint(-9,10,(8,8)),index=mul_index1,columns=mul_index2)
df_ex
索引层的交换由 swaplevel 和 reorder_levels 完成，前者只能交换两个层，而后者可以交换任意层，两者都可以指定交换的是轴是哪一个，即行索引或列索引：
df_ex.swaplevel(0,2,axis=1)# 列索引的第一层和第三层交换
df_ex.reorder_levels([2,0,1],axis=0) # 列表数字指代原来索引中的层
若想要删除某一层的索引，可以使用 droplevel 方法：
df_ex.droplevel(1,axis=1)
df_ex.droplevel([0,1],axis=0)
索引属性的修改 通过 rename_axis 可以对索引层的名字进行修改，常用的修改方式是传入字典的映射：
df_ex.rename_axis(index={'Upper':'Changed_row'},columns={'Other':'Changed_Col'})
通过 rename 可以对索引的值进行修改，如果是多级索引需要指定修改的层号 level ：
df_ex.rename(columns={'cat':'not_cat'},level=2)
传入参数也可以是函数，其输入值就是索引元素：
df_ex.rename(index=lambda x:str.upper(x),level=2)
对于整个索引的元素替换，可以利用迭代器实现：
new_values = iter(list('abcdefgh'))
df_ex.rename(index=lambda x:next(new_values),level=2)
若想要对某个位置的元素进行修改，在单层索引时容易实现，即先取出索引的 values 属性，再给对得到的列表进行修改，最后再对 index 对象重新赋值。但是如果是多级索引的话就有些麻烦，一个解决的方案是先把某一层索引临时转为表的元素，然后再进行修改，最后重新设定为索引，下面一节将介绍这些操作。
另外一个需要介绍的函数是 map ，它是定义在 Index 上的方法，与前面 rename 方法中层的函数式用法是类似的，只不过它传入的不是层的标量值，而是直接传入索引的元组，这为用户进行跨层的修改提供了遍历。例如，可以等价地写出上面的字符串转大写的操作：
df_temp = df_ex.copy()
new_idx = df_temp.index.map(lambda x: (x[0],x[1],str.upper(x[2])))
print(new_idx)
# MultiIndex([('A', 'a', 'ALPHA'),
# ('A', 'a', 'BETA'),
# ('A', 'b', 'ALPHA'),
# ('A', 'b', 'BETA'),
# ('B', 'a', 'ALPHA'),
# ('B', 'a', 'BETA'),
# ('B', 'b', 'ALPHA'),
# ('B', 'b', 'BETA')],
# names=['Upper', 'Lower', 'Extra'])
df_temp.index = new_idx
关于 map 的另一个使用方法是对多级索引的压缩，这在第四章和第五章的一些操作中是有用的：
df_temp = df_ex.copy()
new_idx = df_temp.index.map(lambda x: (x[0] '-' x[1] '-' x[2]))
df_temp.index = new_idx
df_temp
同时，也可以反向地展开：
new_idx = df_temp.index.map(lambda x:tuple(x.split('-')))
df_temp.index = new_idx
df_temp.head() # 三层索引
索引的设置与重置 为了说明本节的函数，下面构造一个新表：
df_new = pd.DataFrame({'A':list('aacd'),'B':list('PQRT'),'C':[1,2,3,4]})
print(df_new)
# A B C
# 0 a P 1
# 1 a Q 2
# 2 c R 3
# 3 d T 4
索引的设置可以使用 set_index 完成，这里的主要参数是 append ，表示是否来保留原来的索引，直接把新设定的添加到原索引的内层：
print(df_new.set_index('A'))
# B C
# A
# a P 1
# a Q 2
# c R 3
# d T 4
print(df_new.set_index('A', append=True))#保留原来的索引
# B C
# A
# 0 a P 1
# 1 a Q 2
# 2 c R 3
# 3 d T 4
可以同时指定多个列作为索引：
print(df_new.set_index(['A', 'B']))
# C
# A B
# a P 1
# Q 2
# c R 3
# d T 4
如果想要添加索引的列没有出现再其中，那么可以直接在参数中传入相应的 Series ：
my_index = pd.Series(list('WXYZ'), name='D')
df_new = df_new.set_index(['A', my_index])
df_new
reset_index 是 set_index 的逆函数，其主要参数是 drop ，表示是否要把去掉的索引层丢弃，而不是添加到列中：
print(df_new.reset_index(['D']))
# D B C
# A
# a W P 1
# a X Q 2
# c Y R 3
# d Z T 4
print(df_new.reset_index(['D'], drop=True))
# B C
# A
# a P 1
# a Q 2
# c R 3
# d T 4
如果重置了所有的索引，那么 pandas 会直接重新生成一个默认索引：
print(df_new.reset_index())
# A D B C
# 0 a W P 1
# 1 a X Q 2
# 2 c Y R 3
# 3 d Z T 4
索引的变形 在某些场合下，需要对索引做一些扩充或者剔除，更具体地要求是给定一个新的索引，把原表中相应的索引对应元素填充到新索引构成的表中。例如，下面的表中给出了员工信息，需要重新制作一张新的表，要求增加一名员工的同时去掉身高列并增加性别列：
df_reindex = pd.DataFrame({"Weight":[60,70,80],
"Height":[176,180,179]},
index=['1001','1003','1002'])
print(df_reindex)
# Weight Height
# 1001 60 176
# 1003 70 180
# 1002 80 179
print(df_reindex.reindex(index=['1001','1002','1003','1004'],columns=['Weight','Gender']))
# Weight Gender
# 1001 60.0 NaN
# 1002 80.0 NaN
# 1003 70.0 NaN
# 1004 NaN NaN
这种需求常出现在时间序列索引的时间点填充以及 ID 编号的扩充。另外，需要注意的是原来表中的数据和新表中会根据索引自动对其，例如原先的1002号位置在1003号之后，而新表中相反，那么 reindex 中会根据元素对其，与位置无关。
还有一个与 reindex 功能类似的函数是 reindex_like ，其功能是仿照传入的表的索引来进行被调用表索引的变形。例如，现在以及存在一张表具备了目标索引的条件，那么上述功能可以如下等价地写出：
df_existed = pd.DataFrame(index=['1001','1002','1003','1004'],columns=['Weight','Gender'])
df_reindex.reindex_like(df_existed)
# Weight Gender
# 1001 60.0 NaN
# 1002 80.0 NaN
# 1003 70.0 NaN
# 1004 NaN NaN
四、索引运算
集合的运算法则 经常会有一种利用集合运算来取出符合条件行的需求，例如有两张表 A 和 B ，它们的索引都是员工编号，现在需要筛选出两表索引交集的所有员工信息，此时通过 Index 上的运算操作就很容易实现。 不过在此之前，不妨先复习一下常见的四种集合运算： 一般的索引运算 由于集合的元素是互异的，但是索引中可能有相同的元素，先用 unique 去重后再进行运算。下面构造两张最为简单的示例表进行演示：
df_set_1 = pd.DataFrame([[0,1],[1,2],[3,4]],
index = pd.Index(['a','b','a'],name='id1'))
df_set_2 = pd.DataFrame([[4,5],[2,6],[7,1]],
index = pd.Index(['b','b','c'],name='id2'))
id1, id2 = df_set_1.index.unique(), df_set_2.index.unique()
print(df_set_1)
# 0 1
# id1
# a 0 1
# b 1 2
# a 3 4
print(df_set_2)
# 0 1
# id2
# b 4 5
# b 2 6
# c 7 1
print(id1)
# Index(['a', 'b'], dtype='object', name='id1')
print(id2)
# Index(['b', 'c'], dtype='object', name='id2')
print(id1.intersection(id2))
# Index(['b'], dtype='object')
print(id1.union(id2))
# Index(['a', 'b', 'c'], dtype='object')
print(id1.difference(id2))
# Index(['a'], dtype='object')
print(id1.symmetric_difference(id2))
# Index(['a', 'c'], dtype='object')
上述的四类运算还可以用等价的符号表示代替如下：
print(id1 & id2)
# Index(['b'], dtype='object')
print(id1 | id2)
# Index(['a', 'b', 'c'], dtype='object')
print((id1 ^ id2) & id1)
# Index(['a'], dtype='object')
print(id1 ^ id2 )# ^符号即对称差
# Index(['a', 'c'], dtype='object')
若两张表需要做集合运算的列并没有被设置索引，一种办法是先转成索引，运算后再恢复，另一种方法是利用 isin 函数，例如在重置索引的第一张表中选出id列交集的所在行：
df_set_in_col_1 = df_set_1.reset_index()
df_set_in_col_2 = df_set_2.reset_index()
print(df_set_in_col_1)
# id1 0 1
# 0 a 0 1
# 1 b 1 2
# 2 a 3 4
print(df_set_in_col_2)
# id2 0 1
# 0 b 4 5
# 1 b 2 6
# 2 c 7 1
print(df_set_in_col_1[df_set_in_col_1.id1.isin(df_set_in_col_2.id2)])
# id1 0 1
# 1 b 1 2
五、练习 Ex1：公司员工数据集 现有一份公司员工数据集：
df = pd.read_csv("E:/document/python学习笔记/pandas学习/company.csv")
df.head(10)
condition_01=df.age<=40
condition_02=df.gender=='M'
condition_03=df.department.isin(['Dairy','Bakery'])
condition_1 = condition_01 & condition_02 & condition_03
df.loc[condition_1]
dpt = ['Dairy', 'Bakery']
df.query("(gender=='M')&"
"(age<=40)&"
"(department== @dpt)")
df.iloc[(df.EmployeeID%2==1).values,[0,2,-2]].head()
df=pd.read_csv("E:/document/python学习笔记/pandas学习/company.csv")
df=df.set_index(['department','job_title','gender'])
df=df.reorder_levels([2,1,0],axis=0).head()
#df = df_.set_index(df_op.columns[-3:].tolist()).swaplevel(0,2,axis=0)
df=df.reset_index(['job_title'])
# df = df.reset_index(level=1)
df=df.rename_axis(index={'gender':'Gender'})
# df = df.rename_axis(index={'gender':'Gender'})
new_idx = df.index.map(lambda x: (x[0] '-' x[1]))
df.index = new_idx
# df.index = df.index.map(lambda x:'_'.join(x))
df.index = df.index.map(lambda x:tuple(x.split('_')))
df = df.rename_axis(index=['gender', 'department'])
df = df.reset_index().reindex(df.columns, axis=1)
Ex2：巧克力数据集 现有一份关于巧克力评价的数据集：
df = pd.read_csv("E:/document/python学习笔记/pandas学习/chocolate.csv")
df.head()
df.columns = [' '.join(i.split('n')) for i in df.columns]
df['Cocoa Percent'] = df['Cocoa Percent'].apply(lambda x:float(x[:-1])/100)
df.query('(Rating<2.75)&(`Cocoa Percent`>`Cocoa Percent`.median())').head()
idx = pd.IndexSlice
exclude = ['France', 'Canada', 'Amsterdam', 'Belgium']
res = df.set_index(['Review Date', 'Company Location']).sort_index(level=0)
res.loc[idx[2012:,~res.index.get_level_values(1).isin(exclude)],:].head(3)
