Python酷库之旅-第三方库Pandas(208)

目录

一、用法精讲

971、pandas.MultiIndex.set_levels方法

971-1、语法

971-2、参数

971-3、功能

971-4、返回值

971-5、说明

971-6、用法

971-6-1、数据准备

971-6-2、代码示例

971-6-3、结果输出

972、pandas.MultiIndex.from_arrays类方法

972-1、语法

972-2、参数

972-3、功能

972-4、返回值

972-5、说明

972-6、用法

972-6-1、数据准备

972-6-2、代码示例

972-6-3、结果输出

973、pandas.MultiIndex.from_tuples类方法

973-1、语法

973-2、参数

973-3、功能

973-4、返回值

973-5、说明

973-6、用法

973-6-1、数据准备

973-6-2、代码示例

973-6-3、结果输出

974、pandas.MultiIndex.from_product类方法

974-1、语法

974-2、参数

974-3、功能

974-4、返回值

974-5、说明

974-6、用法

974-6-1、数据准备

974-6-2、代码示例

974-6-3、结果输出

975、pandas.MultiIndex.from_frame类方法

975-1、语法

975-2、参数

975-3、功能

975-4、返回值

975-5、说明

975-6、用法

975-6-1、数据准备

975-6-2、代码示例

975-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

971、pandas.MultiIndex.set_levels方法
971-1、语法
# 971、pandas.MultiIndex.set_levels方法
pandas.MultiIndex.set_levels(levels, *, level=None, verify_integrity=True)
Set new levels on MultiIndex. Defaults to returning new index.

Parameters:
levels
sequence or list of sequence
New level(s) to apply.

level
int, level name, or sequence of int/level names (default None)
Level(s) to set (None for all levels).

verify_integrity
bool, default True
If True, checks that levels and codes are compatible.

Returns:
MultiIndex
971-2、参数

971-2-1、levels(必需)：列表或数组，用于替换多重索引的指定级别的新值，可以传入单个列表或多个列表。

971-2-2、level(可选，默认值为None)：整数、整数列表或None，指定特定级别时，仅修改对应的层级，可以是单个整数或整数列表，当为None时，替换所有级别。

971-2-3、verify_integrity(可选，默认值为True)：布尔值，是否检查新的级别值是否有效和一致。

971-3、功能

        修改多重索引的特定级别或全部级别的值，允许灵活地重新设置多重索引的层级。

971-4、返回值

        返回一个新的MultiIndex对象，原始MultiIndex对象不会被修改。

971-5、说明

        无

971-6、用法
971-6-1、数据准备
无
971-6-2、代码示例
# 971、pandas.MultiIndex.set_levels方法
import pandas as pd
# 创建多重索引
index = pd.MultiIndex.from_arrays([
    ['A', 'A', 'B', 'B'],
    [1, 2, 1, 2]
])
# 修改第一级别
new_index = index.set_levels(['X', 'Y'], level=0)
# 修改全部级别
new_index = index.set_levels([['X', 'Y'], [3, 4]])
print(new_index)
971-6-3、结果输出
# 971、pandas.MultiIndex.set_levels方法
# MultiIndex([('X', 3),
#             ('X', 4),
#             ('Y', 3),
#             ('Y', 4)],
#            )
972、pandas.MultiIndex.from_arrays类方法
972-1、语法
# 972、pandas.MultiIndex.from_arrays类方法
classmethod pandas.MultiIndex.from_arrays(arrays, sortorder=None, names=_NoDefault.no_default)
Convert arrays to MultiIndex.

Parameters:
arrays
list / sequence of array-likes
Each array-like gives one level’s value for each data point. len(arrays) is the number of levels.

sortorder
int or None
Level of sortedness (must be lexicographically sorted by that level).

names
list / sequence of str, optional
Names for the levels in the index.

Returns:
MultiIndex
972-2、参数

972-2-1、arrays(必需)：列表或数组的列表，用于构建多重索引的数组，每个数组代表一个级别的索引。

972-2-2、sortorder(可选，默认值None)：整数或None，指定索引的排序顺序，可以是一个整数，表示要排序的级别的索引，如果为 None，则不进行排序。

972-2-3、names(可选)：字符串列表或None，为每个级别指定名称，如果不提供，则级别将没有名称。

972-3、功能

        创建一个多重索引对象，允许在数据框中使用多层索引。

972-4、返回值

        返回一个MultiIndex对象。

972-5、说明

        无

972-6、用法
972-6-1、数据准备
无
972-6-2、代码示例
# 972、pandas.MultiIndex.from_arrays类方法
import pandas as pd
# 创建多重索引
arrays = [
    ['A', 'A', 'B', 'B'],
    [1, 2, 1, 2]
]
# 使用from_arrays创建MultiIndex
multi_index = pd.MultiIndex.from_arrays(arrays, names=['letter', 'number'])
# 输出结果
print(multi_index)
972-6-3、结果输出
# 972、pandas.MultiIndex.from_arrays类方法
# MultiIndex([('A', 1),
#             ('A', 2),
#             ('B', 1),
#             ('B', 2)],
#            names=['letter', 'number'])
973、pandas.MultiIndex.from_tuples类方法
973-1、语法
# 973、pandas.MultiIndex.from_tuples类方法
classmethod pandas.MultiIndex.from_tuples(tuples, sortorder=None, names=None)
Convert list of tuples to MultiIndex.

Parameters:
tuples
list / sequence of tuple-likes
Each tuple is the index of one row/column.

sortorder
int or None
Level of sortedness (must be lexicographically sorted by that level).

names
list / sequence of str, optional
Names for the levels in the index.

Returns:
MultiIndex
973-2、参数

973-2-1、tuples(必需)：可迭代的元组列表，包含用于构建多重索引的元组，每个元组表示索引的一层。

973-2-2、sortorder(可选，默认值为None)：整数或None，指定要排序的索引级别的顺序，如果为None，则不进行排序。

973-2-3、names(可选，默认值为None)：字符串列表或None，为每个级别指定名称，如果不提供，则级别将没有名称。

973-3、功能

        创建一个多重索引对象，使数据框中能够使用多层级别的索引。

973-4、返回值

        返回一个MultiIndex对象。

973-5、说明

        无

973-6、用法
973-6-1、数据准备
无
973-6-2、代码示例
# 973、pandas.MultiIndex.from_tuples类方法
import pandas as pd
# 创建多重索引的元组
tuples = [
    ('A', 1),
    ('A', 2),
    ('B', 1),
    ('B', 2)
]
# 使用from_tuples创建MultiIndex
multi_index = pd.MultiIndex.from_tuples(tuples, names=['letter', 'number'])
# 输出结果
print(multi_index)
973-6-3、结果输出
# 973、pandas.MultiIndex.from_tuples类方法
# MultiIndex([('A', 1),
#             ('A', 2),
#             ('B', 1),
#             ('B', 2)],
#            names=['letter', 'number'])
974、pandas.MultiIndex.from_product类方法
974-1、语法
# 974、pandas.MultiIndex.from_product类方法
classmethod pandas.MultiIndex.from_product(iterables, sortorder=None, names=_NoDefault.no_default)
Make a MultiIndex from the cartesian product of multiple iterables.

Parameters:
iterables
list / sequence of iterables
Each iterable has unique labels for each level of the index.

sortorder
int or None
Level of sortedness (must be lexicographically sorted by that level).

names
list / sequence of str, optional
Names for the levels in the index. If not explicitly provided, names will be inferred from the elements of iterables if an element has a name attribute.

Returns:
MultiIndex
974-2、参数

974-2-1、iterables(必需)：可迭代对象的列表，提供多个可迭代对象，这些对象将用于生成笛卡尔积。

974-2-2、sortorder(可选，默认值为None)：整数或None，指定要排序的索引级别的顺序，如果为None，则不进行排序。

974-2-3、names(可选)：字符串列表或None，为每个级别指定名称，如果不提供，则级别将没有名称。

974-3、功能

        创建一个多重索引对象，该对象是通过给定的可迭代对象生成的所有可能组合。

974-4、返回值

        返回一个MultiIndex对象。

974-5、说明

        无

974-6、用法
974-6-1、数据准备
无
974-6-2、代码示例
# 974、pandas.MultiIndex.from_product类方法
import pandas as pd
# 创建多个可迭代对象
iterables = [
    ['A', 'B'],
    [1, 2, 3]
]
# 使用from_product创建MultiIndex
multi_index = pd.MultiIndex.from_product(iterables, names=['letter', 'number'])
# 输出结果
print(multi_index)
974-6-3、结果输出
# 974、pandas.MultiIndex.from_product类方法
# MultiIndex([('A', 1),
#             ('A', 2),
#             ('A', 3),
#             ('B', 1),
#             ('B', 2),
#             ('B', 3)],
#            names=['letter', 'number'])
975、pandas.MultiIndex.from_frame类方法
975-1、语法
# 975、pandas.MultiIndex.from_frame类方法
classmethod pandas.MultiIndex.from_frame(df, sortorder=None, names=None)
Make a MultiIndex from a DataFrame.

Parameters:
df
DataFrame
DataFrame to be converted to MultiIndex.

sortorder
int, optional
Level of sortedness (must be lexicographically sorted by that level).

names
list-like, optional
If no names are provided, use the column names, or tuple of column names if the columns is a MultiIndex. If a sequence, overwrite names with the given sequence.

Returns:
MultiIndex
The MultiIndex representation of the given DataFrame.
975-2、参数

975-2-1、df(必需)：DataFrame，表示要从中提取索引的DataFrame，它的列将被用作多重索引的级别。

975-2-2、sortorder(可选，默认值为None)：整数或None，指定要排序的索引级别的顺序，如果为None，则不进行排序。

975-2-3、names(可选，默认值为None)：字符串列表或None，为每个级别指定名称，如果不提供，则级别将没有名称。

975-3、功能

        用于从一个DataFrame中提取级别并创建一个多重索引，该方法对于处理具有层次结构的索引非常有用，通常用于将DataFrame的列转换为MultiIndex的级别。

975-4、返回值

        返回一个MultiIndex对象。

975-5、说明

        无

975-6、用法
975-6-1、数据准备
无
975-6-2、代码示例
# 975、pandas.MultiIndex.from_frame类方法
import pandas as pd
# 创建一个DataFrame
data = {
    'A': ['foo', 'foo', 'bar', 'bar'],
    'B': ['one', 'two', 'one', 'two'],
    'C': [1, 2, 3, 4]
}
df = pd.DataFrame(data)
# 使用from_frame创建MultiIndex
multi_index = pd.MultiIndex.from_frame(df[['A', 'B']], names=['first_level', 'second_level'])
# 输出结果
print(multi_index)
975-6-3、结果输出
# 975、pandas.MultiIndex.from_frame类方法
# MultiIndex([('foo', 'one'),
#             ('foo', 'two'),
#             ('bar', 'one'),
#             ('bar', 'two')],
#            names=['first_level', 'second_level'])

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/915055.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

基于ConvNeXt的矿石种类识别

基于ConvNeXt的矿石种类识别

项目源码获取方式见文章末尾！ 600多个深度学习项目资料，快来加入社群一起学习吧。 《------往期经典推荐------》 项目名称 1.【基于CNN-RNN的影像报告生成】 2.【卫星图像道路检测DeepLabV3Plus模型】 3.【GAN模型实现二次元头像生成】 4.【CNN模型实现…
阅读更多...
C++入门基础知识140—【关于C++ 类构造函数 析构函数】

C++入门基础知识140—【关于C++ 类构造函数 析构函数】

成长路上不孤单😊😊😊😊😊😊 【14后😊///C爱好者😊///持续分享所学😊///如有需要欢迎收藏转发///😊】 今日分享关于C 类构造函数 & 析构函数的相关内容…
阅读更多...
【Linux】-学习笔记03

【Linux】-学习笔记03

第十一章-管理Linux软件包和进程 1.源码下载安装软件 1.1概念 源码文件：程序编写者使用C或C等语言编写的原始代码文本文件 源码文件使用.tar.gz或.tar.bz2打包成压缩文件 1.2特点 源码包可移植性好，与待安装软件的工作环境依赖性不大 由于有编译过程…
阅读更多...
鸿蒙HarmonyOS(ArkUI基础篇大合集!)

鸿蒙HarmonyOS(ArkUI基础篇大合集!)

文章目录 ArkUI（方舟UI框架）1.简介2.基本概念3.概述4.布局1.概述2.通用布局属性🎈1.盒子属性2.背景属性3.定位属性4.通用属性🎈 3.线性布局4.弹性布局(Flex)5.层叠布局(Stack) 5.组件1.使用文本1.文本显示(Text/Span)2.文本输入 (…
阅读更多...
Prompt 工程

Prompt 工程

Prompt 工程 1. Prompt 工程简介 “预训练-提示预测”范式是近年来自然语言处理（NLP）领域的一个重要趋势，它与传统的“预训练-微调-预测”范式相比，提供了一种更为灵活和高效的模型应用方式。 Prompt工程是指在预训练的大型语言…
阅读更多...
十天入门javaScript第四天(Promises对象异步 )（睡眠函数） (json)

十天入门javaScript第四天(Promises对象异步 )（睡眠函数） (json)

Promise 是一个 JavaScript 的内置对象，它代表了一个异步操作的最终完成（或失败）及其结果值。Promise 对象是异步编程的一种解决方案，它可以使异步操作以更简洁、更易于管理的方式进行。 Promise 对象有三个状态： Pen…
阅读更多...
【C#设计模式(8)——过滤器模式(Adapter Pattern)】

【C#设计模式(8)——过滤器模式(Adapter Pattern)】

前言 滤液器模式可以很方便地实现对一个列表中的元素进行过滤的功能&#xff0c;能方便地修改滤器的现实&#xff0c;符合开闭原则。 代码 //过滤接口public interface IFilter{List<RefuseSorting> Filter(List<RefuseSorting> refuseList);}//垃圾分类public cla…
阅读更多...
开源共建 | 长安链开发常见问题及规避

开源共建 | 长安链开发常见问题及规避

长安链开源社区鼓励社区成员参与社区共建&#xff0c;参与形式包括不限于代码贡献、文章撰写、社区答疑等。腾讯云区块链王燕飞在参与长安链测试工作过程中&#xff0c;深入细致地总结了长安链实际开发应用中的常见问题及其有效的规避方法&#xff0c;相关内容多次解答社区成员…
阅读更多...
华为云创建ECS前台展示规格类型选项是怎么做到的？

华为云创建ECS前台展示规格类型选项是怎么做到的？

前台展示很多规格可选&#xff0c;怎么做到的&#xff1f;先了解规格其实都是管理员在后台service_OM创建好规格 1.规格 1.1设置自定义标签打通规格和主机组还能体验调度功能 引申&#xff1a;AZ可用分区&#xff08;为了做容灾&#xff09; 为什么在界面可以让我√az0.dc0,…
阅读更多...
Linux网络——自定义协议与序列化

Linux网络——自定义协议与序列化

一、协议 协议是一种 " 约定 ". socket api 的接口 , 在读写数据时 , 都是按 " 字符串 " 的方式来发送接收的。如 果我们要传输一些 " 结构化的数据 "&#xff0c;依然可以通过协议。 其实&#xff0c;协议就是双方约定好的结构化的数据。…
阅读更多...
《TCP/IP网络编程》学习笔记 | Chapter 6：基于UDP的服务器端/客户端

《TCP/IP网络编程》学习笔记 | Chapter 6：基于UDP的服务器端/客户端

《TCP/IP网络编程》学习笔记 | Chapter 6&#xff1a;基于UDP的服务器端/客户端 《TCP/IP网络编程》学习笔记 | Chapter 6&#xff1a;基于UDP的服务器端/客户端理解UDPUDP套接字的特点UDP内部工作原理UDP的高效使用 实现基于UDP的服务器端/客户端UDP中的服务器端和客户端没有连…
阅读更多...
Linux也有百度云喔~

Linux也有百度云喔~

一、写在前面 经常有粉丝向我抱怨&#xff0c;为什么每次发放资料都用百度云&#xff0c;自己下载了一遍之后还得再上传一遍服务器才能分析。其实大家大可不必这么周转&#xff0c;百度云也有Linux的发行版本&#xff0c;利用python包bypy来管理/传输百度云盘资源也很方便(别问…
阅读更多...
从0开始机器学习--Day23--支持向量机

从0开始机器学习--Day23--支持向量机

经过前面的学习&#xff0c;我们已经知道在解决问题时&#xff0c;重要的不仅仅是要在算法A或算法B中选择更优的&#xff0c;而是考虑怎么选择用于学习算法的特征和正则化参数&#xff0c;相比神经网络和逻辑回归&#xff0c;支持向量机在这两个方面做得更好。 优化目标(Optimi…
阅读更多...
JavaScript 中实例化生成对象的相关探讨

JavaScript 中实例化生成对象的相关探讨

JavaScript 中实例化生成对象的相关探讨 在 JavaScript 世界中&#xff0c;对象的实例化是一个关键且基础的概念。当我们使用构造函数创建对象时&#xff0c;会引发一系列关于对象之间联系、原型链以及相关概念的思考。 让我们通过一段代码来深入探讨这些问题&#xff1a; f…
阅读更多...
MatSci-LLM ——潜力和挑战以及大规模语言模型在材料科学中的应用

MatSci-LLM ——潜力和挑战以及大规模语言模型在材料科学中的应用

概述 大规模语言模型的出现正在从根本上改变技术开发和研究的方式。大规模语言模型不仅对自然语言处理领域产生了重大影响&#xff0c;而且对许多相关领域也产生了重大影响&#xff0c;例如从文本生成图像的计算机视觉&#xff08;Zhang 等人&#xff0c;2023 年&#xff09;。…
阅读更多...
【C++】C++11特性（上）

【C++】C++11特性（上）

✨✨欢迎大家来到Celia的博客✨✨ &#x1f389;&#x1f389;创作不易&#xff0c;请点赞关注&#xff0c;多多支持哦&#x1f389;&#x1f389; 所属专栏&#xff1a;C 个人主页&#xff1a;Celias blog~ 目录 一、列表初始化 二、std::initializer_list 三、右值引用和移…
阅读更多...
Linux（光速安装+ubuntu镜像 serve live-serve desktop）

Linux（光速安装+ubuntu镜像 serve live-serve desktop）

ubuntu镜像_ubuntu下载地址_ubuntu安装教程-阿里巴巴开源镜像站 Index of /ubuntu-releases/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 清华大学的镜像好一点速度比较快&#xff01; 下载镜像 都是推荐使用服务器版&#xff0c;桌面版一般自己用 amd64 就…
阅读更多...
Linux命令详解，全网最详细，看这一篇就够了

Linux命令详解，全网最详细，看这一篇就够了

声明&#xff01; 学习视频来自B站up主 泷羽sec 有兴趣的师傅可以关注一下&#xff0c;如涉及侵权马上删除文章&#xff0c;笔记只是方便各位师傅的学习和探讨&#xff0c;文章所提到的网站以及内容&#xff0c;只做学习交流&#xff0c;其他均与本人以及泷羽sec团队无关&#…
阅读更多...
机器情绪及抑郁症算法

机器情绪及抑郁症算法

&#x1f3e1;作者主页&#xff1a;点击&#xff01; &#x1f916;编程探索专栏&#xff1a;点击&#xff01; ⏰️创作时间&#xff1a;2024年11月12日17点02分 点击开启你的论文编程之旅https://www.aspiringcode.com/content?id17230869054974 计算机来理解你的情绪&a…
阅读更多...
美食网的设计与实现

美食网的设计与实现

摘 要 随着科技的发展、生活水平的提升&#xff0c;人们更加注重饮食搭配和饮食健康。通过网络技术来加强美食与健康知识的普及是当前一种可行的措施。通过网页浏览美食网&#xff0c;不仅可以普及每道美食的做法&#xff0c;通过制作美食来缓解心情&#xff0c;还可以通过美…
阅读更多...
最新文章

Copyright @ 2022~2023