


Bagaimanakah argumen \'levels\', \'keys\' dan \'name\' dalam Pandas\' berfungsi untuk mencipta MultiIndex?
Oct 31, 2024 pm 08:28 PMApakah hujah 'tahap', 'kunci' dan nama dalam fungsi concat Pandas?
1. Pengenalan
Fungsi pandas.concat() ialah alat yang berkuasa untuk menggabungkan berbilang Siri atau DataFrames di sepanjang paksi tertentu. Ia menawarkan beberapa hujah pilihan, termasuk tahap, kunci dan nama, yang boleh digunakan untuk menyesuaikan MultiIndex yang terhasil.
2. Tahap
Argumen tahap digunakan untuk menentukan tahap MultiIndex yang terhasil. Secara lalai, Pandas akan membuat kesimpulan tahap daripada hujah kunci. Walau bagaimanapun, anda boleh mengatasi tahap yang disimpulkan dengan menghantar senarai jujukan kepada hujah tahap.
Sebagai contoh, kod berikut menggabungkan dua DataFrames di sepanjang baris, menggunakan MultiIndex dengan dua tahap:
<code class="python">df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]}) df = pd.concat([df1, df2], keys=['df1', 'df2'], levels=['level1', 'level2']) print(df) level1 level2 A B C D 0 df1 1 1 3 5 7 1 df1 2 2 4 6 8</code>
Dalam contoh ini, hujah peringkat ialah senarai dua jujukan: ['level1', 'level2']. Ini mencipta MultiIndex dengan dua tahap: 'level1' dan 'level2'. Argumen kunci ialah senarai dua rentetan: ['df1', 'df2']. Ini memberikan nilai 'df1' dan 'df2' kepada tahap pertama dan kedua MultiIndex, masing-masing.
3. Kekunci
Argumen kunci digunakan untuk menentukan kunci untuk MultiIndex yang terhasil. Secara lalai, Pandas akan menggunakan label indeks objek input sebagai kunci. Walau bagaimanapun, anda boleh mengatasi kekunci lalai dengan menghantar senarai nilai kepada argumen kunci.
Sebagai contoh, kod berikut menggabungkan dua DataFrames di sepanjang baris, menggunakan MultiIndex dengan tiga peringkat:
<code class="python">df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]}) df = pd.concat([df1, df2], keys=[('A', 'B'), ('C', 'D')]) print(df) level1 level2 A B C D 0 A B 1 3 5 7 1 C D 2 4 6 8</code>
Dalam contoh ini, hujah kunci ialah senarai dua tupel: [('A', 'B'), ('C', 'D')]. Ini mencipta MultiIndex dengan tiga tahap: 'level1', 'level2' dan 'level3'. Argumen kekunci memperuntukkan nilai 'A' dan 'B' kepada tahap pertama MultiIndex, dan nilai 'C' dan 'D' kepada tahap kedua MultiIndex.
4. Nama
Argumen nama digunakan untuk menentukan nama peringkat MultiIndex yang terhasil. Secara lalai, Pandas akan menggunakan nama label indeks objek input sebagai nama peringkat. Walau bagaimanapun, anda boleh mengatasi nama lalai dengan menghantar senarai rentetan kepada argumen nama.
Sebagai contoh, kod berikut menggabungkan dua DataFrames di sepanjang baris, menggunakan MultiIndex dengan dua peringkat:
<code class="python">df1 = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) df2 = pd.DataFrame({'C': [5, 6], 'D': [7, 8]}) df = pd.concat([df1, df2], keys=['df1', 'df2'], names=['level1', 'level2']) print(df) level1 level2 A B C D 0 df1 1 1 3 5 7 1 df1 2 2 4 6 8</code>
Dalam contoh ini, argumen nama ialah senarai dua rentetan: ['level1', 'level2']. Ini memberikan nama 'level1' dan 'level2' kepada tahap pertama dan kedua MultiIndex, masing-masing.
Atas ialah kandungan terperinci Bagaimanakah argumen \'levels\', \'keys\' dan \'name\' dalam Pandas\' berfungsi untuk mencipta MultiIndex?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undress AI Tool
Gambar buka pakaian secara percuma

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Polimorfisme adalah konsep teras dalam pengaturcaraan berorientasikan objek Python, merujuk kepada "satu antara muka, pelbagai pelaksanaan", yang membolehkan pemprosesan bersatu pelbagai jenis objek. 1. Polimorfisme dilaksanakan melalui penulisan semula kaedah. Subkelas boleh mentakrifkan semula kaedah kelas induk. Sebagai contoh, kaedah bercakap () kelas haiwan mempunyai pelaksanaan yang berbeza dalam subkelas anjing dan kucing. 2. Penggunaan praktikal polimorfisme termasuk memudahkan struktur kod dan meningkatkan skalabilitas, seperti memanggil kaedah cabutan () secara seragam dalam program lukisan grafik, atau mengendalikan tingkah laku umum watak -watak yang berbeza dalam pembangunan permainan. 3. Polimorfisme pelaksanaan Python perlu memenuhi: Kelas induk mentakrifkan kaedah, dan kelas kanak -kanak mengatasi kaedah, tetapi tidak memerlukan warisan kelas induk yang sama. Selagi objek melaksanakan kaedah yang sama, ini dipanggil "jenis itik". 4. Perkara yang perlu diperhatikan termasuk penyelenggaraan

Parameter adalah ruang letak apabila menentukan fungsi, sementara argumen adalah nilai khusus yang diluluskan ketika memanggil. 1. Parameter kedudukan perlu diluluskan, dan perintah yang salah akan membawa kepada kesilapan dalam hasilnya; 2. Parameter kata kunci ditentukan oleh nama parameter, yang boleh mengubah pesanan dan meningkatkan kebolehbacaan; 3. Nilai parameter lalai diberikan apabila ditakrifkan untuk mengelakkan kod pendua, tetapi objek berubah harus dielakkan sebagai nilai lalai; 4 Args dan *kwargs boleh mengendalikan bilangan parameter yang tidak pasti dan sesuai untuk antara muka umum atau penghias, tetapi harus digunakan dengan berhati -hati untuk mengekalkan kebolehbacaan.

Iterator adalah objek yang melaksanakan kaedah __iter __ () dan __Next __ (). Penjana adalah versi Iterator yang dipermudahkan, yang secara automatik melaksanakan kaedah ini melalui kata kunci hasil. 1. Iterator mengembalikan elemen setiap kali dia memanggil seterusnya () dan melemparkan pengecualian berhenti apabila tidak ada lagi elemen. 2. Penjana menggunakan definisi fungsi untuk menghasilkan data atas permintaan, menjimatkan memori dan menyokong urutan tak terhingga. 3. Menggunakan Iterator apabila memproses set sedia ada, gunakan penjana apabila menghasilkan data besar secara dinamik atau penilaian malas, seperti garis pemuatan mengikut baris apabila membaca fail besar. NOTA: Objek yang boleh diperolehi seperti senarai bukanlah pengaliran. Mereka perlu dicipta semula selepas pemalar itu sampai ke penghujungnya, dan penjana hanya boleh melintasi sekali.

Kaedah kelas adalah kaedah yang ditakrifkan dalam python melalui penghias @classmethod. Parameter pertamanya adalah kelas itu sendiri (CLS), yang digunakan untuk mengakses atau mengubah keadaan kelas. Ia boleh dipanggil melalui kelas atau contoh, yang mempengaruhi seluruh kelas dan bukannya contoh tertentu; Sebagai contoh, dalam kelas orang, kaedah show_count () mengira bilangan objek yang dibuat; Apabila menentukan kaedah kelas, anda perlu menggunakan penghias @classmethod dan namakan parameter pertama CLS, seperti kaedah change_var (new_value) untuk mengubah suai pembolehubah kelas; Kaedah kelas adalah berbeza daripada kaedah contoh (parameter diri) dan kaedah statik (tiada parameter automatik), dan sesuai untuk kaedah kilang, pembina alternatif, dan pengurusan pembolehubah kelas. Kegunaan biasa termasuk:

Kunci untuk menangani pengesahan API adalah untuk memahami dan menggunakan kaedah pengesahan dengan betul. 1. Apikey adalah kaedah pengesahan yang paling mudah, biasanya diletakkan dalam tajuk permintaan atau parameter URL; 2. BasicAuth menggunakan nama pengguna dan kata laluan untuk penghantaran pengekodan Base64, yang sesuai untuk sistem dalaman; 3. OAuth2 perlu mendapatkan token terlebih dahulu melalui client_id dan client_secret, dan kemudian bawa bearertoken dalam header permintaan; 4. Untuk menangani tamat tempoh token, kelas pengurusan token boleh dikemas dan secara automatik menyegarkan token; Singkatnya, memilih kaedah yang sesuai mengikut dokumen dan menyimpan maklumat utama adalah kunci.

MagicMethods Python (atau kaedah dunder) adalah kaedah khas yang digunakan untuk menentukan tingkah laku objek, yang bermula dan berakhir dengan garis bawah dua. 1. Mereka membolehkan objek bertindak balas terhadap operasi terbina dalam, seperti tambahan, perbandingan, perwakilan rentetan, dan sebagainya; 2. Kes penggunaan biasa termasuk inisialisasi objek dan perwakilan (__init__, __repr__, __str__), operasi aritmetik (__add__, __sub__, __mul__) dan operasi perbandingan (__eq__, ___lt__); 3. Apabila menggunakannya, pastikan tingkah laku mereka memenuhi jangkaan. Sebagai contoh, __repr__ harus mengembalikan ungkapan objek refortable, dan kaedah aritmetik harus mengembalikan contoh baru; 4. Perkara yang berlebihan atau mengelirukan harus dielakkan.

Pythonmanagesmemoryautomatically leverenceCountingandagarbageCollector.referenceCountingTrackShowmanyvariablesreferoanobject, dan yang mana -mana, dan yang mana -mana

@Property adalah penghias dalam python yang digunakan untuk menyamar kaedah sebagai sifat, yang membolehkan pertimbangan logik atau pengiraan dinamik nilai apabila mengakses sifat. 1. 2. Ia boleh mengawal tingkah laku tugasan dengan .setter, seperti kesahihan nilai semak, jika .setter tidak ditakrifkan, ia hanya dibaca atribut; 3. Ia sesuai untuk adegan seperti pengesahan tugasan harta, generasi dinamik nilai atribut, dan menyembunyikan butiran pelaksanaan dalaman; 4. Apabila menggunakannya, sila ambil perhatian bahawa nama atribut berbeza dari nama pembolehubah peribadi untuk mengelakkan gelung mati, dan sesuai untuk operasi ringan; 5. Dalam contoh, kelas bulatan menyekat jejari tidak negatif, dan kelas orang secara dinamik menghasilkan atribut penuh_name
