Pandas多层级索引的数据分析案例，时是干货的！

p>df.loc[

'Cambridge': 'Oxford',

'Day'

]

output

但是对于第二一般来说的书目，要是用值得注意的模式来用就会报错，

df.loc[

( 'London', '2019-07-01': '2019-07-03'),

'Day'

]

output

SyntaxError: invalid syntax (, line 3)

无论如何的写法字符如下

df.loc[

( 'London', '2019-07-01'):( 'London', '2019-07-03'),

'Day'

]

output

检验显现出所有全部的细节

对于单层书目而言，我们通过 : 来检验显现出所有的细节，但是在多一般来说的书目上面则并不适用，

# 显现出现错误

df.loc[

( 'London', :),

'Day'

]

# 显现出现错误

df.loc[

(: , '2019-07-04'),

'Day'

]

无论如何的做法如下简述

# 检验显现出悉尼一个大所有日数的白昼天候情况

df.loc[

( 'London', slice(None)),

'Day'

]

output

# 检验显现出2019年7年初4日下所有大城市的白昼天候情况

df.loc[

(slice(None) , '2019-07-04'),

'Day'

]

output

当然这里还有变得简便的法则，我们通过初始化 pandas 总括 IndexSlice formula_来实现，字符如下

from pandas import IndexSlice as idx

df.loc[

idx[: , '2019-07-04'],

'Day'

]

output

又或者是

rows = idx[: , '2019-07-01']

cols = idx[ 'Day', [ 'Max Temperature', 'Weather']]

df.loc[rows, cols]

output

xs 法则的初始化

对于多一般来说书目的图表集而言，初始化 xs 法则需要变得简便地进言道图表的检验，例如我们只只想检验显现出年份是2019年7年初4日的所有图表，字符如下

df.xs( '2019-07-04', level= 'Date')

output

我们需要在 level 参数上指定是哪个标签，例如我们只只想检验显现出悉尼2019年7年初4日2台的天候情况，字符如下

df.xs(( 'London', '2019-07-04'), level=[ 'City', 'Date'])

output

再次 xs 法则可以和上面提及的 IndexSlice formula_联用，针对多一般来说的图表集来进言道图表的检验，例如我们只只想检验显现出2019年7年初2日至7年初4日，悉尼2台的天候，字符如下

rows= (

idx[ '2019-07-02': '2019-07-04'],

'London'

)

df.xs(

rows ,

level = [ 'Date', 'City']

)

output

点这里👇非议我，回只想标星哦~

CDA课程建议

。

直肠癌能治好吗
武汉男科检查哪家医院好
成都看去哪里最好
南京看男科去哪看
上海妇科医院哪里好
市面上哪款血糖仪准确率高
腹泻吃什么消炎药
比较准的血糖仪哪款好一点
胃酸过多能吃金奥康吗
血糖仪什么牌子的好