Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。
Pandas MultiIndex.to_frame()
函数使用MultiIndex的级别作为列创建一个DataFrame。
用法: MultiIndex.to_frame(index=True)
参数:
index:将返回的DataFrame的索引设置为原始MultiIndex。
返回:DataFrame:包含原始MultiIndex数据的DataFrame。
范例1:采用MultiIndex.to_frame()
函数使用MultiIndex级别作为列和索引来构造 DataFrame 。
# importing pandas as pd
import pandas as pd
# Create the MultiIndex
midx = pd.MultiIndex.from_tuples([(10, 'Ten'), (10, 'Twenty'),
(20, 'Ten'), (20, 'Twenty')],
names =['Num', 'Char'])
# Print the MultiIndex
print(midx)
输出:
现在,让我们从MultiIndex构造 DataFrame 。
# Construct the DataFrame
midx.to_frame(index = True)
输出:
正如我们在输出中看到的那样,该函数使用MultiIndex构造了Dataframe。注意,数据帧的索引是使用MultiIndex的级别构造的。
范例2:采用MultiIndex.to_frame()
函数使用MultiIndex构造一个DataFrame。不要使用MultiIndex级别构造 DataFrame 的索引。
# importing pandas as pd
import pandas as pd
# Create the MultiIndex
midx = pd.MultiIndex.from_tuples([(10, 'Ten'), (10, 'Twenty'),
(20, 'Ten'), (20, 'Twenty')],
names =['Num', 'Char'])
# Print the MultiIndex
print(midx)
输出:
现在,让我们使用Midx MultiIndex创建一个 DataFrame 。
# Create Dataframe with new index values.
midx.to_frame(index = False)
输出:
从输出中可以看到,该函数返回了一个具有不同索引值的DataFrame。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas MultiIndex.to_frame()。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。