Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas MultiIndex.to_frame()
函數使用MultiIndex的級別作為列創建一個DataFrame。
用法: MultiIndex.to_frame(index=True)
參數:
index:將返回的DataFrame的索引設置為原始MultiIndex。
返回:DataFrame:包含原始MultiIndex數據的DataFrame。
範例1:采用MultiIndex.to_frame()
函數使用MultiIndex級別作為列和索引來構造 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)
輸出:
現在,讓我們從MultiIndex構造 DataFrame 。
# Construct the DataFrame
midx.to_frame(index = True)
輸出:
正如我們在輸出中看到的那樣,該函數使用MultiIndex構造了Dataframe。注意,數據幀的索引是使用MultiIndex的級別構造的。
範例2:采用MultiIndex.to_frame()
函數使用MultiIndex構造一個DataFrame。不要使用MultiIndex級別構造 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)
輸出:
現在,讓我們使用Midx MultiIndex創建一個 DataFrame 。
# Create Dataframe with new index values.
midx.to_frame(index = False)
輸出:
從輸出中可以看到,該函數返回了一個具有不同索引值的DataFrame。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas MultiIndex.to_frame()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。