知识卡片
层次索引压缩维度
层次索引让一条轴的每个位置由多个标签级别共同定位,例如地区与年份组合;Series仍是一维对象,却可表达多组维度信息。它改变标签组织,不是压缩数值字节或自动聚合记录。显示中省略重复外层标签只是排版,层级名称也不同于具体标签值。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 层次索引压缩维度
- · 面板数据
- · 第11章 金融和经济数据应用
原书出处 · 3 处
- · 查看原书依据
一个轴上拥有多个(两个以上)索引级别。抽象点说,它使你能以低维度形式处理高维度数据。我们先来看一个简单的例子:创建一个Series,并用一个由列表或数组组成的列表作为索引。 In [261]: data = Series(np.random.randn(10), ...: index=[['a', 'a', 'a', 'b', 'b', 'b', 'c',
- · 查看原书依据
多数情况下没必要使用真正的N维数组。 你可以用一个由DataFrame对象组成的字典或一个三维ndarray来创建Panel对象: import pandas.io.data as web pdata = pd.Panel(dict((stk, web.get_data_yahoo(stk, '1/1/2009', '6/1/2012')) for stk
- · 查看原书依据
层次化索引的DataFrame,也可以被表示为三维的Panel pandas对象。
参考来源
《利用Python进行数据分析》第5章《pandas入门》
- 位置:《利用Python进行数据分析》第5章《层次化索引》(spine284;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0270.html;u124-ch05-006)。
- 结论依据:原文在“一个轴上拥有多个”附近的定义、例子或代码支撑本卡核心说明:层次索引让一条轴的每个位置由多个标签级别共同定位,例如地区与年份组合;Series仍是一维对象,却可表达多组维度信息。边界按已读前提解释;示例未执行。
- 原始内容:一个轴上拥有多个(两个以上)索引级别。抽象点说,它使你能以低维度形式处理高维度数据。我们先来看一个简单的例子:创建一个Series,并用一个由列表或数组组成的列表作为索引。 In [261]: data = Series(np.random.randn(10), ...: index=[['a', 'a', 'a', 'b', 'b', 'b', 'c',
- 位置:《利用Python进行数据分析》第5章《面板数据》(spine285;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0271.html;u130-ch05-006)。
- 结论依据:多维业务标签可放进分层行列轴,但应保留每层含义,不能因显示成二维就丢失维度身份。
- 原始内容:多数情况下没必要使用真正的N维数组。 你可以用一个由DataFrame对象组成的字典或一个三维ndarray来创建Panel对象: import pandas.io.data as web pdata = pd.Panel(dict((stk, web.get_data_yahoo(stk, '1/1/2009', '6/1/2012')) for stk
- 位置:《利用Python进行数据分析》第11章《第11章 金融和经济数据应用》(spine318;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0304.html;u247-ch05-006)。
- 结论依据:面板可用DataFrame层次索引保留时间和对象维度;旧Panel类已移除,面板这种数据结构概念并未因此消失。
- 原始内容:层次化索引的DataFrame,也可以被表示为三维的Panel pandas对象。