数据分析应用项目化教程（Python） 课件 任务4.2索引操作3

第四章使用pandas进行数据对象构建和数据运算

任务4.2索引操作Pandas索引操作概述使用位置索引和标签索引操作Series使用位置索引和标签索引操作DataFrame使用函数式索引操作Series和DataFrame使用常见查询方法查询数据索引用途索引变换索引用途把数据存储于普通的column列也能用于数据查询，那使用index的用途是什么呢？更方便的数据查询；使用index可以获得性能提升；自动的数据对齐功能；更多更强大的数据结构支持索引用途使用index查询数据索引用途使用index会提升查询性能如果index是唯一的，Pandas会使用哈希表优化，查询性能为O(1)如果index不是唯一的，但是有序，Pandas会使用二分查找算法，查询性能为O(logN)如果index是完全随机的，那么每次查询都要扫描全表，查询性能为O(N)完全随机的顺序查询将index排序后的查询将数据随机打散

索引用途

使用index能自动对齐数据（参考4.3）Series、DataFrame和多维数组的主要区别在于，Pandas数据结构之间的操作会自动基于标签对齐数据。因此，不用顾及执行计算操作的数据结构是否有相同的标签。Pandas数据结构集成的数据对齐功能，是Pandas区别于大多数标签型数据处理工具的重要特性性。index提供更多更强大的索引数据结构支持（参考4.4）CategoricalIndex，基于分类数据的Index，提升性能；MultiIndex，多维索引，用于groupby多维聚合后结果等；DatetimeIndex，时间类型索引，强大的日期和时间的方法支持；索引变换—reindex和renamereindex执行的是索引重组操作，接收一组标签序列作为新索引，既适用于行索引也适用于列标签名，重组之后索引数量可能发生变化，索引名为传入标签序列。当原DataFrame中存在新指定的索引时则提取相应行或列，不存在则舍弃。若新指定的索引在原来索引中不存在，则默认赋值为空或填充新值。索引变换—reindex和renamerename执行的是索引重命名操作，接收一个字典映射或一个变换函数，也均适用于行列索引，重命名之后索引数量不发生改变，索引名可能发生变化。二者均支持两种变换方式：一种是变换内容+axis指定作用轴（可选0/1或index/columns）另一种是直接用index/columns关键字指定作用轴索引变换—index.mapmap仅可用于Series，可接收字典或函数完成数据的变换索引变换—set_index与reset_indexset_index和reset_index是一对互逆的操作set_index用于置位索引——将DataFrame中列名或列名列表设置为行索引，默认丢弃原列索引，可选drop参数reset_index用于复位索引——将索引加入到数据中作为一列或直接丢弃，可选drop参数小结索引用途使用index查询数据使用index会提升查询性能使用index能自动对齐数据分层/多级索引在处理复杂的数据分析和数据操作方面为开发者奠定了基础，尤其是在处理高纬度数据处理上索引变换reind