จัดการข้อมูลด้วย pandas เบื้องต้น บทที่ ๑๐: การกำหนดดัชนีใหม่และการใช้ดัชนีหลายตัว
เขียนเมื่อ 2016/09/25 15:05
แก้ไขล่าสุด 2021/09/28 16:42
ปกติแล้วเดตาเฟรมประกอบไปด้วยข้อมูลหลายแถวหลายคอลัมน์ โดยจะมีคอลัมน์ที่อยู่ทางซ้ายสุดคือคอลัมน์ดัชนี
ดัชนีนั้นแท้จริงแล้วก็เป็นข้อมูลที่เรียงกันเป็นแถว ไม่ต่างอะไรจากคอลัมน์อื่น แต่จะต่างกันตรงที่ว่ามันมีหน้าที่พิเศษเพราะถูกใช้เพื่อเป็นตัวอ้างอิงหลักของตาราง
ในบทที่ผ่านๆมาเรามักกำหนดดัชนึขึ้นมาตั้งแต่เริ่มต้น แล้วก็ใช้ดัชนีนั้นเป็นตัวชี้ข้อมูลในตารางตลอดตั้งแต่ต้นจนจบ แต่ที่จริงแล้วดัชนีสามารถกำหนดจัดเรียงใหม่ได้ แถมยังสามารถใช้ดัชนีที่ไม่ใช่ค่าเดี่ยวแต่มีมากกว่าหนึ่งตัวได้
เรื่องดัชนีแบบหลายตัวมีแนะนำไปแล้วเล็กน้อยในบทที่ ๓ แต่ไม่ได้ลงรายละเอียด แต่จะมาพูดถึงในบทนี้
การเปลี่ยนคอลัมน์หนึ่งให้กลายเป็นดัชนี
เราสามารถเปลี่ยนคอลัมน์หนึ่งในเดตาเฟรมให้เป็นคอลัมน์ดัชนีได้โดยใช้เมธอด set_index แล้วใส่ชื่อคอลัมน์ที่ต้องการใช้ลงไป
ตัวอย่าง สร้างตารางข้อมูลโปเกมอน
ได้
จากนั้นลองตั้งให้คอลัมน์ "หมายเลข" เป็นดัชนี
ได้
จะเห็นว่าเมื่อกำหนดให้คอลัมน์ "หมายเลข" เป็นดัชนี ดัชนีก็จะเปลี่ยนจากค่าตั้งต้น 0,1,2 กลายเป็นหมายเลขตามคอลัมน์นั้น และจะเห็นว่าที่คอลัมน์ของดัชนีตอนนี้มีคำว่า "หมายเลข" อยู่ด้วย นั่นคือดัชนีที่สร้างขึ้นจากวิธีนี้จะมีชื่อติดมาด้วย
นอกจากนี้ก็จะเห็นได้ว่าคอลัมน์ "หมายเลข" ได้หายไปแล้ว กลายมาเป็นคอลัมน์ดัชนี แต่หากต้องการจะเก็บคอลัมน์ที่ใช้สร้างเป็นดัชนีเอาไว้ก็สามารถทำได้โดยเพิ่มคีย์เวิร์ด drop ลงไป
คีย์เวิร์ด drop ถ้าเป็น 1 (True) จะหมายถึงว่าให้ลบคอลัมน์ที่กลายเป็นดัชนีทิ้งไป แต่ถ้าเป็น 0 (False) จะไม่ลบทิ้ง ปกติค่าตั้งต้นเป็น 1 คือลบทิ้ง ดังนั้นหากกำหนด drop=0 คอลัมน์นั้นก็จะยังอยู่
ตัวอย่าง ลองแก้ตัวอย่างข้างต้นใหม่โดยแค่เพิ่ม drop=0 ลงไป
ได้
ปกติแล้วเวลาที่ใช้ set_index จะทำให้ดัชนีเดิมหายไป แต่หากไม่ต้องการให้หายไปก็ทำได้โดยใส่คีย์เวิร์ด append โดยใส่เป็น append=1 ซึ่งหมายถึงว่าต้องการเพิ่มเข้าไปแทนที่จะทับ (ถ้าไม่ใส่จะเป็นค่าตั้งต้นคือ append=0 หมายถึงทับไปเลย)
ตัวอย่าง
ได้
คราวนี้จะเห็นว่าเลข 0,1,2 ยังอยู่ไม่ได้หายไปไหนแต่เพิ่ม 100,102,104 เข้ามาเป็นดัชนีเพิ่มอีก กลายเป็นดัชนีแบบหลายตัว (multiindex)
นอกจากนี้ยังมีอีกวิธีที่ทำให้เกิดดัชนีแบบหลายตัวได้ นั่นคือใส่ชื่อคอลัมน์เป็นลิสต์ใน set_index แทนที่จะใส่ชื่อคอลัมน์ตัวเดียว เช่น
ได้
การจัดการกับข้อมูลที่มีดัชนีหลายตัว
ตารางข้อมูลที่มีดัชนีแบบหลายตัวนอกจากจะเกิดขึ้นได้ด้วยวิธีในตัวอย่างที่แล้วแล้วยังสามารถทำได้ตั้งแต่ตอนสร้างขึ้นโดยใส่คีย์เวิร์ด index ในรูปลิสต์ของลิสต์ของดัชนี
เช่น เดตาเฟรมดัชนีคู่ที่มีลักษณะเหมือนกับในตัวอย่างที่แล้วสามารถสร้างได้แบบนี้
ได้
จะเห็นว่าต่างกันแค่ตรงที่ไม่มีชื่อของคอลัมน์ดัชนีติดมาด้วย เพราะไม่ได้มีที่มาจากคอลัมน์ แต่ก็สามารถใส่เพิ่มได้โดย
หรือตอนสร้างอาจใส่ index เป็นลิสต์ของซีรีส์ที่กำหนดชื่อไว้ แบบนี้ดัชนีที่ได้ก็จะมีชื่อ
การเข้าถึงข้อมูลที่มีดัชนีหลายตัวจะต้องใส่ดัชนีในรูปของทูเพิล
ตัวอย่าง ลองเข้าถึงเดตาเฟรมข้อมูลโปเกมอนที่ได้จากตัวอย่างที่แล้ว
ได้
สามารถเข้าถึงโดยใส่แค่ดัชนีตัวแรก (ตัวซ้ายสุด) ได้เช่นกัน เพียงแต่ผลที่ได้จะออกมาเป็นเดตาเฟรมและยังมีดัชนีตัวที่สองเหลืออยู่ โดยจะกลายมาเป็นดัชนีตัวแรกแทน และตัวแรกเดิมก็หายไป
ได้
ซึ่งถ้าเข้าถึงค่าของดัชนีตัวนั้นอีกทีก็จะได้ค่าเหมือนกับตัวอย่างที่แล้ว
ถ้าหากว่ามีข้อมูลที่มีดัชนีตัวแรกเหมือนกันแต่ดัชนีตัวที่สองต่างกัน กรณีแบบนี้ก็จะให้ผลออกมามากกว่าหนึ่งตัว
แต่กรณีข้างต้นนี้ดัชนีทั้ง ๒ ตัวแตกต่างกันในทุกแถวทั้งหมดเลย ดังนั้นที่จริงแล้วไม่มีความจำเป็นจะต้องใช้ดัชนีถึง ๒ ตัวพร้อมกันอยู่แล้วตั้งแต่แรกเพราะมีแต่จะทำให้ดูยุ่งยากขึ้น
ตัวอย่างกรณีที่เหมาะจะใช้ดัชนี ๒ ตัว เช่นลองดูข้อมูลโปเกมอนในตัวอย่างต่อไปนี้
ได้
จะเห็นว่าในที่นี้ใช้ "สายพันธุ์" เป็นดัชนี แต่ว่าสายพันธุ์มีการซ้ำกันอยู่ เพราะมิโนมาดามเป็นโปเกมอนที่แบ่งย่อยเป็น ๓ ชนิด คุณสมบัติความสามารถก็ต่างกันไปหมดด้วย ดังนั้นบอกแค่สายพันธุ์ก็ไม่มีทางรู้ว่าเจาะจงถึงตัวไหน
ตอนนี้ถ้าลองใช้ดัชนีเพื่อเข้าถึงก็จะได้ผลออกมาหลายตัว
ได้
แต่หากลองเพิ่มดัชนีเข้าไปอีกตัว โดยกำหนดให้ "ชนิด" เป็นดัชนีด้วย
ได้
จะเห็นว่ามิโนมาดามทั้ง ๓ ถูกรวมอยู่เป็นกลุ่มเดียวให้เห็นชัด
เวลาที่เข้าถึงก็ใส่ดัชนีทั้งสองตัว
ได้
การรวมกลุ่มจะเริ่มรวมจากดัชนีตัวแรกสุดก่อน โดยจะรวมเมื่อตัวที่อยู่ติดกันมีดัชนีตัวแรกเหมือนกัน แต่ดัชนีตัวถัดมาต่อให้เหมือนกันก็จะไม่มีการรวมกลุ่มกัน
ตรงนี้จะเห็นได้ถึงความสำคัญของลำดับของดัชนี โดยที่ตัวแรกจะสำคัญที่สุด
ความยากง่ายในการเข้าถึงก็ต่างกันด้วย คือหากเราพิมพ์ pokemon.loc['มิโนมาดาม'] ก็จะได้แถวที่มีดัชนีตัวแรกเป็นมิโนมาดามทั้งหมด แต่ถ้าต้องการแถวที่มีดัชนีตัวที่ ๒ เป็นแมลง/บิน จะพิมพ์ pokemon.loc['แมลง/บิน'] แบบนี้ไม่ได้
จะทำได้ต้องใช้เมธอด xs โดยใส่อาร์กิวเมนต์เป็นค่าดัชนีที่ต้องการ และใส่คีย์เวิร์ด level เป็นชื่อหรือลำดับของดัชนีนั้น เช่น
ได้
และเราอาจสามารถสลับลำดับของดัชนีได้โดยใช้เมธอด swaplevel หากลองสลับดู
ได้
swaplevel นั้นกรณีที่มีดัชนีมากกว่า ๒ จำเป็นต้องระบุชื่อหรือลำดับของดัชนี กรณีที่มีแค่ ๒ จะระบุหรือไม่ก็ได้ ถ้าระบุก็เขียนเป็น
พอสลับเอา "ชนิด" มาไว้เป็นดัชนีอันแรกแล้วทีนี้ก็คัดเอาโปเกมอนที่เป็นชนิด "แมลง/บิน" ได้ง่ายๆแล้ว
ผลที่ได้คราวนี้ก็จะเหมือนกับที่ใช้ xs ในตัวอย่างก่อนหน้า
การคืนดัชนีกลับเป็นคอลัมน์ทั่วไป
คำสั่งที่ตรงกันข้ามกับ set_index ก็คือ reset_index นั่นก็คือการปลดดัชนีออก
ตัวอย่าง
ได้
ดัชนีจะถูกปลดออก กลายมาเป็นแค่คอลัมน์อันหนึ่ง โดยจะเป็นคอลัมน์อันแรกสุดไป และดัชนีก็กลับมาเป็นตัวเลขเรียงจาก 0
ถ้าดัชนีไม่ได้ถูกกำหนดชื่อไว้พอมันกลายมาเป็นคอลัมน์ก็จะได้ชื่อว่า index ถ้าจะเปลี่ยนชื่อก็ค่อยไปแก้อีกทีได้
ถ้าต้องการจะทิ้งดัชนีนั้นไปเลยไม่ต้องมาเป็นคอลัมน์หนึ่งแล้วก็ทำได้โดยใส่คีย์เวิร์ด drop=1
ได้
กรณีที่เป็นดัชนีแบบหลายตัวดัชนีทุกตัวจะถูกปลดทั้งหมดและถูกตั้งชื่อให้ใหม่เองถ้าไม่มีชื่ออยู่ก่อน
ได้
แต่หากต้องการให้ปลดเฉพาะบางตัวก็สามารถทำได้โดยใส่ลำดับของดัชนีที่ต้องการปลด เช่นจะเอาตัวแรกออกก็ใส่ 0
ได้
เมธอด reset_index สามารถใช้กับซีรีส์ได้ด้วย โดยจะได้ผลเป็นเดตาเฟรม เช่น
ได้
แต่ถ้าใส่คีย์เวิร์ด drop=1 (หมายถึงให้ทิ้งดัชนีเดิมไปเลยไม่ต้องเก็บไว้) ก็จะได้ซีรีส์เหมือนเดิม แค่ดัชนีถูกปลดเหลือ 0,1,2 ไปเท่านั้น
ได้
อ้างอิง
ดัชนีนั้นแท้จริงแล้วก็เป็นข้อมูลที่เรียงกันเป็นแถว ไม่ต่างอะไรจากคอลัมน์อื่น แต่จะต่างกันตรงที่ว่ามันมีหน้าที่พิเศษเพราะถูกใช้เพื่อเป็นตัวอ้างอิงหลักของตาราง
ในบทที่ผ่านๆมาเรามักกำหนดดัชนึขึ้นมาตั้งแต่เริ่มต้น แล้วก็ใช้ดัชนีนั้นเป็นตัวชี้ข้อมูลในตารางตลอดตั้งแต่ต้นจนจบ แต่ที่จริงแล้วดัชนีสามารถกำหนดจัดเรียงใหม่ได้ แถมยังสามารถใช้ดัชนีที่ไม่ใช่ค่าเดี่ยวแต่มีมากกว่าหนึ่งตัวได้
เรื่องดัชนีแบบหลายตัวมีแนะนำไปแล้วเล็กน้อยในบทที่ ๓ แต่ไม่ได้ลงรายละเอียด แต่จะมาพูดถึงในบทนี้
การเปลี่ยนคอลัมน์หนึ่งให้กลายเป็นดัชนี
เราสามารถเปลี่ยนคอลัมน์หนึ่งในเดตาเฟรมให้เป็นคอลัมน์ดัชนีได้โดยใช้เมธอด set_index แล้วใส่ชื่อคอลัมน์ที่ต้องการใช้ลงไป
ตัวอย่าง สร้างตารางข้อมูลโปเกมอน
import pandas as pd
pokemon = pd.DataFrame([
[100,'บิริริดามะ',0.5,10.4],
[102,'ทามะทามะ',0.4,2.5],
[104,'คาระคาระ',0.4,6.5]],
columns=['หมายเลข','สายพันธุ์','ส่วนสูง','น้ำหนัก'])
print(pokemon)
pokemon = pd.DataFrame([
[100,'บิริริดามะ',0.5,10.4],
[102,'ทามะทามะ',0.4,2.5],
[104,'คาระคาระ',0.4,6.5]],
columns=['หมายเลข','สายพันธุ์','ส่วนสูง','น้ำหนัก'])
print(pokemon)
ได้
| หมายเลข | สายพันธุ์ | ส่วนสูง | น้ำหนัก | |
|---|---|---|---|---|
| 0 | 100 | บิริริดามะ | 0.5 | 10.4 |
| 1 | 102 | ทามะทามะ | 0.4 | 2.5 |
| 2 | 104 | คาระคาระ | 0.4 | 6.5 |
จากนั้นลองตั้งให้คอลัมน์ "หมายเลข" เป็นดัชนี
print(pokemon.set_index('หมายเลข'))
ได้
| สายพันธุ์ | ส่วนสูง | น้ำหนัก | |
|---|---|---|---|
| หมายเลข | |||
| 100 | บิริริดามะ | 0.5 | 10.4 |
| 102 | ทามะทามะ | 0.4 | 2.5 |
| 104 | คาระคาระ | 0.4 | 6.5 |
จะเห็นว่าเมื่อกำหนดให้คอลัมน์ "หมายเลข" เป็นดัชนี ดัชนีก็จะเปลี่ยนจากค่าตั้งต้น 0,1,2 กลายเป็นหมายเลขตามคอลัมน์นั้น และจะเห็นว่าที่คอลัมน์ของดัชนีตอนนี้มีคำว่า "หมายเลข" อยู่ด้วย นั่นคือดัชนีที่สร้างขึ้นจากวิธีนี้จะมีชื่อติดมาด้วย
นอกจากนี้ก็จะเห็นได้ว่าคอลัมน์ "หมายเลข" ได้หายไปแล้ว กลายมาเป็นคอลัมน์ดัชนี แต่หากต้องการจะเก็บคอลัมน์ที่ใช้สร้างเป็นดัชนีเอาไว้ก็สามารถทำได้โดยเพิ่มคีย์เวิร์ด drop ลงไป
คีย์เวิร์ด drop ถ้าเป็น 1 (True) จะหมายถึงว่าให้ลบคอลัมน์ที่กลายเป็นดัชนีทิ้งไป แต่ถ้าเป็น 0 (False) จะไม่ลบทิ้ง ปกติค่าตั้งต้นเป็น 1 คือลบทิ้ง ดังนั้นหากกำหนด drop=0 คอลัมน์นั้นก็จะยังอยู่
ตัวอย่าง ลองแก้ตัวอย่างข้างต้นใหม่โดยแค่เพิ่ม drop=0 ลงไป
print(pokemon.set_index('หมายเลข',drop=0))
ได้
| หมายเลข | สายพันธุ์ | ส่วนสูง | น้ำหนัก | |
|---|---|---|---|---|
| หมายเลข | ||||
| 100 | 100 | บิริริดามะ | 0.5 | 10.4 |
| 102 | 102 | ทามะทามะ | 0.4 | 2.5 |
| 104 | 104 | คาระคาระ | 0.4 | 6.5 |
ปกติแล้วเวลาที่ใช้ set_index จะทำให้ดัชนีเดิมหายไป แต่หากไม่ต้องการให้หายไปก็ทำได้โดยใส่คีย์เวิร์ด append โดยใส่เป็น append=1 ซึ่งหมายถึงว่าต้องการเพิ่มเข้าไปแทนที่จะทับ (ถ้าไม่ใส่จะเป็นค่าตั้งต้นคือ append=0 หมายถึงทับไปเลย)
ตัวอย่าง
print(pokemon.set_index('หมายเลข',append=1))
ได้
| สายพันธุ์ | ส่วนสูง | น้ำหนัก | ||
|---|---|---|---|---|
| หมายเลข | ||||
| 0 | 100 | บิริริดามะ | 0.5 | 10.4 |
| 1 | 102 | ทามะทามะ | 0.4 | 2.5 |
| 2 | 104 | คาระคาระ | 0.4 | 6.5 |
คราวนี้จะเห็นว่าเลข 0,1,2 ยังอยู่ไม่ได้หายไปไหนแต่เพิ่ม 100,102,104 เข้ามาเป็นดัชนีเพิ่มอีก กลายเป็นดัชนีแบบหลายตัว (multiindex)
นอกจากนี้ยังมีอีกวิธีที่ทำให้เกิดดัชนีแบบหลายตัวได้ นั่นคือใส่ชื่อคอลัมน์เป็นลิสต์ใน set_index แทนที่จะใส่ชื่อคอลัมน์ตัวเดียว เช่น
pokemon = pokemon.set_index(['หมายเลข','สายพันธุ์'])
print(pokemon)
print(pokemon)
ได้
| ส่วนสูง | น้ำหนัก | ||
|---|---|---|---|
| หมายเลข | สายพันธุ์ | ||
| 100 | บิริริดามะ | 0.5 | 10.4 |
| 102 | ทามะทามะ | 0.4 | 2.5 |
| 104 | คาระคาระ | 0.4 | 6.5 |
การจัดการกับข้อมูลที่มีดัชนีหลายตัว
ตารางข้อมูลที่มีดัชนีแบบหลายตัวนอกจากจะเกิดขึ้นได้ด้วยวิธีในตัวอย่างที่แล้วแล้วยังสามารถทำได้ตั้งแต่ตอนสร้างขึ้นโดยใส่คีย์เวิร์ด index ในรูปลิสต์ของลิสต์ของดัชนี
เช่น เดตาเฟรมดัชนีคู่ที่มีลักษณะเหมือนกับในตัวอย่างที่แล้วสามารถสร้างได้แบบนี้
pokemon = pd.DataFrame(
[[0.5,10.4],[0.4,2.5],[0.4,6.5]],
columns=['ส่วนสูง','น้ำหนัก'],
index=[[100,102,104],['บิริริดามะ','ทามะทามะ','คาระคาระ']])
print(pokemon)
[[0.5,10.4],[0.4,2.5],[0.4,6.5]],
columns=['ส่วนสูง','น้ำหนัก'],
index=[[100,102,104],['บิริริดามะ','ทามะทามะ','คาระคาระ']])
print(pokemon)
ได้
| ส่วนสูง | น้ำหนัก | ||
|---|---|---|---|
| 100 | บิริริดามะ | 0.5 | 10.4 |
| 102 | ทามะทามะ | 0.4 | 2.5 |
| 104 | คาระคาระ | 0.4 | 6.5 |
จะเห็นว่าต่างกันแค่ตรงที่ไม่มีชื่อของคอลัมน์ดัชนีติดมาด้วย เพราะไม่ได้มีที่มาจากคอลัมน์ แต่ก็สามารถใส่เพิ่มได้โดย
pokemon.index.names = ['หมายเลข','สายพันธุ์']
หรือตอนสร้างอาจใส่ index เป็นลิสต์ของซีรีส์ที่กำหนดชื่อไว้ แบบนี้ดัชนีที่ได้ก็จะมีชื่อ
data = [[0.5,10.4],[0.4,2.5],[0.4,6.5]]
c = ['ส่วนสูง','น้ำหนัก']
i1 = pd.Series([100,102,104],name='หมายเลข')
i2 = pd.Series(['บิริริดามะ','ทามะทามะ','คาระคาระ'],name='สายพันธุ์')
pokemon = pd.DataFrame(data,columns=c,index=[i1,i2])
c = ['ส่วนสูง','น้ำหนัก']
i1 = pd.Series([100,102,104],name='หมายเลข')
i2 = pd.Series(['บิริริดามะ','ทามะทามะ','คาระคาระ'],name='สายพันธุ์')
pokemon = pd.DataFrame(data,columns=c,index=[i1,i2])
การเข้าถึงข้อมูลที่มีดัชนีหลายตัวจะต้องใส่ดัชนีในรูปของทูเพิล
ตัวอย่าง ลองเข้าถึงเดตาเฟรมข้อมูลโปเกมอนที่ได้จากตัวอย่างที่แล้ว
print(pokemon.loc[(100,'บิริริดามะ')])
ได้
ส่วนสูง 0.5
น้ำหนัก 10.4
Name: (100, บิริริดามะ), dtype: float64
น้ำหนัก 10.4
Name: (100, บิริริดามะ), dtype: float64
สามารถเข้าถึงโดยใส่แค่ดัชนีตัวแรก (ตัวซ้ายสุด) ได้เช่นกัน เพียงแต่ผลที่ได้จะออกมาเป็นเดตาเฟรมและยังมีดัชนีตัวที่สองเหลืออยู่ โดยจะกลายมาเป็นดัชนีตัวแรกแทน และตัวแรกเดิมก็หายไป
print(pokemon.loc[100])
ได้
| ส่วนสูง | น้ำหนัก | |
|---|---|---|
| สายพันธุ์ | ||
| บิริริดามะ | 0.5 | 10.4 |
ซึ่งถ้าเข้าถึงค่าของดัชนีตัวนั้นอีกทีก็จะได้ค่าเหมือนกับตัวอย่างที่แล้ว
print(pokemonpokemon.loc[100].loc['บิริริดามะ'])
ถ้าหากว่ามีข้อมูลที่มีดัชนีตัวแรกเหมือนกันแต่ดัชนีตัวที่สองต่างกัน กรณีแบบนี้ก็จะให้ผลออกมามากกว่าหนึ่งตัว
แต่กรณีข้างต้นนี้ดัชนีทั้ง ๒ ตัวแตกต่างกันในทุกแถวทั้งหมดเลย ดังนั้นที่จริงแล้วไม่มีความจำเป็นจะต้องใช้ดัชนีถึง ๒ ตัวพร้อมกันอยู่แล้วตั้งแต่แรกเพราะมีแต่จะทำให้ดูยุ่งยากขึ้น
ตัวอย่างกรณีที่เหมาะจะใช้ดัชนี ๒ ตัว เช่นลองดูข้อมูลโปเกมอนในตัวอย่างต่อไปนี้
pokemon = pd.DataFrame([
['มิโนมุจจิ','แมลง',40,29,45,36],
['มิโนมาดาม','แมลง/พืช',60,59,85,36],
['มิโนมาดาม','แมลง/ดิน',60,79,105,36],
['มิโนมาดาม','แมลง/เหล็ก',60,69,95,36],
['การ์เมล','แมลง/บิน',70,94,50,66],
['มิตสึฮันนี','แมลง/บิน',30,30,42,70],
['บีควีน','แมลง/บิน',70,80,102,40]],
columns=['สายพันธุ์','ชนิด','HP','พลังโจมตี','พลังป้องกัน','ความไว'])
pokemon = pokemon.set_index('สายพันธุ์')
print(pokemon)
['มิโนมุจจิ','แมลง',40,29,45,36],
['มิโนมาดาม','แมลง/พืช',60,59,85,36],
['มิโนมาดาม','แมลง/ดิน',60,79,105,36],
['มิโนมาดาม','แมลง/เหล็ก',60,69,95,36],
['การ์เมล','แมลง/บิน',70,94,50,66],
['มิตสึฮันนี','แมลง/บิน',30,30,42,70],
['บีควีน','แมลง/บิน',70,80,102,40]],
columns=['สายพันธุ์','ชนิด','HP','พลังโจมตี','พลังป้องกัน','ความไว'])
pokemon = pokemon.set_index('สายพันธุ์')
print(pokemon)
ได้
| ชนิด | HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|---|
| สายพันธุ์ | |||||
| มิโนมุจจิ | แมลง | 40 | 29 | 45 | 36 |
| มิโนมาดาม | แมลง/พืช | 60 | 59 | 85 | 36 |
| มิโนมาดาม | แมลง/ดิน | 60 | 79 | 105 | 36 |
| มิโนมาดาม | แมลง/เหล็ก | 60 | 69 | 95 | 36 |
| การ์เมล | แมลง/บิน | 70 | 94 | 50 | 66 |
| มิตสึฮันนี | แมลง/บิน | 30 | 30 | 42 | 70 |
| บีควีน | แมลง/บิน | 70 | 80 | 102 | 40 |
จะเห็นว่าในที่นี้ใช้ "สายพันธุ์" เป็นดัชนี แต่ว่าสายพันธุ์มีการซ้ำกันอยู่ เพราะมิโนมาดามเป็นโปเกมอนที่แบ่งย่อยเป็น ๓ ชนิด คุณสมบัติความสามารถก็ต่างกันไปหมดด้วย ดังนั้นบอกแค่สายพันธุ์ก็ไม่มีทางรู้ว่าเจาะจงถึงตัวไหน
ตอนนี้ถ้าลองใช้ดัชนีเพื่อเข้าถึงก็จะได้ผลออกมาหลายตัว
print(pokemon.loc['มิโนมาดาม'])
ได้
| ชนิด | HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|---|
| สายพันธุ์ | |||||
| มิโนมาดาม | แมลง/พืช | 60 | 59 | 85 | 36 |
| มิโนมาดาม | แมลง/ดิน | 60 | 79 | 105 | 36 |
| มิโนมาดาม | แมลง/เหล็ก | 60 | 69 | 95 | 36 |
แต่หากลองเพิ่มดัชนีเข้าไปอีกตัว โดยกำหนดให้ "ชนิด" เป็นดัชนีด้วย
pokemon = pokemon.set_index('ชนิด',append=1)
print(pokemon)
print(pokemon)
ได้
| HP | พลังโจมตี | พลังป้องกัน | ความไว | ||
|---|---|---|---|---|---|
| สายพันธุ์ | ชนิด | ||||
| มิโนมุจจิ | แมลง | 40 | 29 | 45 | 36 |
| มิโนมาดาม | แมลง/พืช | 60 | 59 | 85 | 36 |
| แมลง/ดิน | 60 | 79 | 105 | 36 | |
| แมลง/เหล็ก | 60 | 69 | 95 | 36 | |
| การ์เมล | แมลง/บิน | 70 | 94 | 50 | 66 |
| มิตสึฮันนี | แมลง/บิน | 30 | 30 | 42 | 70 |
| บีควีน | แมลง/บิน | 70 | 80 | 102 | 40 |
จะเห็นว่ามิโนมาดามทั้ง ๓ ถูกรวมอยู่เป็นกลุ่มเดียวให้เห็นชัด
เวลาที่เข้าถึงก็ใส่ดัชนีทั้งสองตัว
print(pokemon.loc['มิโนมาดาม','แมลง/ดิน'])
# หรือ pokemon.loc['มิโนมาดาม'].loc['แมลง/ดิน']
# หรือ pokemon.loc['มิโนมาดาม'].loc['แมลง/ดิน']
ได้
HP 60
พลังโจมตี 79
พลังป้องกัน 105
ความไว 36
Name: (มิโนมาดาม, แมลง/ดิน), dtype: int64
พลังโจมตี 79
พลังป้องกัน 105
ความไว 36
Name: (มิโนมาดาม, แมลง/ดิน), dtype: int64
การรวมกลุ่มจะเริ่มรวมจากดัชนีตัวแรกสุดก่อน โดยจะรวมเมื่อตัวที่อยู่ติดกันมีดัชนีตัวแรกเหมือนกัน แต่ดัชนีตัวถัดมาต่อให้เหมือนกันก็จะไม่มีการรวมกลุ่มกัน
ตรงนี้จะเห็นได้ถึงความสำคัญของลำดับของดัชนี โดยที่ตัวแรกจะสำคัญที่สุด
ความยากง่ายในการเข้าถึงก็ต่างกันด้วย คือหากเราพิมพ์ pokemon.loc['มิโนมาดาม'] ก็จะได้แถวที่มีดัชนีตัวแรกเป็นมิโนมาดามทั้งหมด แต่ถ้าต้องการแถวที่มีดัชนีตัวที่ ๒ เป็นแมลง/บิน จะพิมพ์ pokemon.loc['แมลง/บิน'] แบบนี้ไม่ได้
จะทำได้ต้องใช้เมธอด xs โดยใส่อาร์กิวเมนต์เป็นค่าดัชนีที่ต้องการ และใส่คีย์เวิร์ด level เป็นชื่อหรือลำดับของดัชนีนั้น เช่น
print(pokemon.xs('แมลง/บิน',level='ชนิด'))
# หรือ print(pokemon.xs('แมลง/บิน',level=1))
# หรือ print(pokemon.xs('แมลง/บิน',level=1))
ได้
| HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|
| สายพันธุ์ | ||||
| การ์เมล | 70 | 94 | 50 | 66 |
| มิตสึฮันนี | 30 | 30 | 42 | 70 |
| บีควีน | 70 | 80 | 102 | 40 |
และเราอาจสามารถสลับลำดับของดัชนีได้โดยใช้เมธอด swaplevel หากลองสลับดู
pokemon = pokemon.swaplevel()
print(pokemon)
print(pokemon)
ได้
| HP | พลังโจมตี | พลังป้องกัน | ความไว | ||
|---|---|---|---|---|---|
| ชนิด | สายพันธุ์ | ||||
| แมลง | มิโนมุจจิ | 40 | 29 | 45 | 36 |
| แมลง/พืช | มิโนมาดาม | 60 | 59 | 85 | 36 |
| แมลง/ดิน | มิโนมาดาม | 60 | 79 | 105 | 36 |
| แมลง/เหล็ก | มิโนมาดาม | 60 | 69 | 95 | 36 |
| แมลง/บิน | การ์เมล | 70 | 94 | 50 | 66 |
| มิตสึฮันนี | 30 | 30 | 42 | 70 | |
| บีควีน | 70 | 80 | 102 | 40 |
swaplevel นั้นกรณีที่มีดัชนีมากกว่า ๒ จำเป็นต้องระบุชื่อหรือลำดับของดัชนี กรณีที่มีแค่ ๒ จะระบุหรือไม่ก็ได้ ถ้าระบุก็เขียนเป็น
pokemon = pokemon.swaplevel('สายพันธุ์','ชนิด')
# หรือ pokemon = pokemon.swaplevel(0,1)
# หรือ pokemon = pokemon.swaplevel(0,1)
พอสลับเอา "ชนิด" มาไว้เป็นดัชนีอันแรกแล้วทีนี้ก็คัดเอาโปเกมอนที่เป็นชนิด "แมลง/บิน" ได้ง่ายๆแล้ว
print(pokemon.loc['แมลง/บิน'])
ผลที่ได้คราวนี้ก็จะเหมือนกับที่ใช้ xs ในตัวอย่างก่อนหน้า
การคืนดัชนีกลับเป็นคอลัมน์ทั่วไป
คำสั่งที่ตรงกันข้ามกับ set_index ก็คือ reset_index นั่นก็คือการปลดดัชนีออก
ตัวอย่าง
pokemon = pd.DataFrame([
['โคยคิง','น้ำ',20,10,55,80],
['เกียราดอส','น้ำ,บิน',95,125,79,81],
['ฮินบาส','น้ำ',20,15,20,80],
['มิโลคารอส','น้ำ',95,60,79,81]],
columns=['สายพันธุ์','ชนิด','HP','พลังโจมตี','พลังป้องกัน','ความไว'],
index=[129,130,349,350])
print(pokemon)
print(pokemon.reset_index())
['โคยคิง','น้ำ',20,10,55,80],
['เกียราดอส','น้ำ,บิน',95,125,79,81],
['ฮินบาส','น้ำ',20,15,20,80],
['มิโลคารอส','น้ำ',95,60,79,81]],
columns=['สายพันธุ์','ชนิด','HP','พลังโจมตี','พลังป้องกัน','ความไว'],
index=[129,130,349,350])
print(pokemon)
print(pokemon.reset_index())
ได้
| สายพันธุ์ | ชนิด | HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|---|---|
| 129 | โคยคิง | น้ำ | 20 | 10 | 55 | 80 |
| 130 | เกียราดอส | น้ำ,บิน | 95 | 125 | 79 | 81 |
| 349 | ฮินบาส | น้ำ | 20 | 15 | 20 | 80 |
| 350 | มิโลคารอส | น้ำ | 95 | 60 | 79 | 81 |
| index | สายพันธุ์ | ชนิด | HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|---|---|---|
| 0 | 129 | โคยคิง | น้ำ | 20 | 10 | 55 | 80 |
| 1 | 130 | เกียราดอส | น้ำ,บิน | 95 | 125 | 79 | 81 |
| 2 | 349 | ฮินบาส | น้ำ | 20 | 15 | 20 | 80 |
| 3 | 350 | มิโลคารอส | น้ำ | 95 | 60 | 79 | 81 |
ดัชนีจะถูกปลดออก กลายมาเป็นแค่คอลัมน์อันหนึ่ง โดยจะเป็นคอลัมน์อันแรกสุดไป และดัชนีก็กลับมาเป็นตัวเลขเรียงจาก 0
ถ้าดัชนีไม่ได้ถูกกำหนดชื่อไว้พอมันกลายมาเป็นคอลัมน์ก็จะได้ชื่อว่า index ถ้าจะเปลี่ยนชื่อก็ค่อยไปแก้อีกทีได้
ถ้าต้องการจะทิ้งดัชนีนั้นไปเลยไม่ต้องมาเป็นคอลัมน์หนึ่งแล้วก็ทำได้โดยใส่คีย์เวิร์ด drop=1
print(pokemon.reset_index(drop=1))
ได้
| สายพันธุ์ | ชนิด | HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|---|---|
| 0 | โคยคิง | น้ำ | 20 | 10 | 55 | 80 |
| 1 | เกียราดอส | น้ำ,บิน | 95 | 125 | 79 | 81 |
| 2 | ฮินบาส | น้ำ | 20 | 15 | 20 | 80 |
| 3 | มิโลคารอส | น้ำ | 95 | 60 | 79 | 81 |
กรณีที่เป็นดัชนีแบบหลายตัวดัชนีทุกตัวจะถูกปลดทั้งหมดและถูกตั้งชื่อให้ใหม่เองถ้าไม่มีชื่ออยู่ก่อน
pokemon = pd.DataFrame([
[50,53,48,64],
[75,98,63,101],
[50,53,48,64],
[75,98,63,101],
[50,53,48,64],
[75,98,63,101]],
columns=['HP','พลังโจมตี','พลังป้องกัน','ความไว'],
index=[['พืช','พืช','ไฟ','ไฟ','น้ำ','น้ำ'],
['ยานัปปุ','ยานักกี','บาอ็อปปุ','บาอ็อกกี','ฮิยัปปุ','ฮิยักกี']])
print(pokemon)
print(pokemon.reset_index())
[50,53,48,64],
[75,98,63,101],
[50,53,48,64],
[75,98,63,101],
[50,53,48,64],
[75,98,63,101]],
columns=['HP','พลังโจมตี','พลังป้องกัน','ความไว'],
index=[['พืช','พืช','ไฟ','ไฟ','น้ำ','น้ำ'],
['ยานัปปุ','ยานักกี','บาอ็อปปุ','บาอ็อกกี','ฮิยัปปุ','ฮิยักกี']])
print(pokemon)
print(pokemon.reset_index())
ได้
| HP | พลังโจมตี | พลังป้องกัน | ความไว | ||
|---|---|---|---|---|---|
| พืช | ยานัปปุ | 50 | 53 | 48 | 64 |
| ยานักกี | 75 | 98 | 63 | 101 | |
| ไฟ | บาอ็อปปุ | 50 | 53 | 48 | 64 |
| บาอ็อกกี | 75 | 98 | 63 | 101 | |
| น้ำ | ฮิยัปปุ | 50 | 53 | 48 | 64 |
| ฮิยักกี | 75 | 98 | 63 | 101 |
| level_0 | level_1 | HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|---|---|
| 0 | พืช | ยานัปปุ | 50 | 53 | 48 | 64 |
| 1 | พืช | ยานักกี | 75 | 98 | 63 | 101 |
| 2 | ไฟ | บาอ็อปปุ | 50 | 53 | 48 | 64 |
| 3 | ไฟ | บาอ็อกกี | 75 | 98 | 63 | 101 |
| 4 | น้ำ | ฮิยัปปุ | 50 | 53 | 48 | 64 |
| 5 | น้ำ | ฮิยักกี | 75 | 98 | 63 | 101 |
แต่หากต้องการให้ปลดเฉพาะบางตัวก็สามารถทำได้โดยใส่ลำดับของดัชนีที่ต้องการปลด เช่นจะเอาตัวแรกออกก็ใส่ 0
print(pokemon.reset_index(0))
ได้
| level_0 | HP | พลังโจมตี | พลังป้องกัน | ความไว | |
|---|---|---|---|---|---|
| ยานัปปุ | พืช | 50 | 53 | 48 | 64 |
| ยานักกี | พืช | 75 | 98 | 63 | 101 |
| บาอ็อปปุ | ไฟ | 50 | 53 | 48 | 64 |
| บาอ็อกกี | ไฟ | 75 | 98 | 63 | 101 |
| ฮิยัปปุ | น้ำ | 50 | 53 | 48 | 64 |
| ฮิยักกี | น้ำ | 75 | 98 | 63 | 101 |
เมธอด reset_index สามารถใช้กับซีรีส์ได้ด้วย โดยจะได้ผลเป็นเดตาเฟรม เช่น
pokemon = pd.Series(['ซันนีโก','เทปโปวโอ','โอกุแท็งก์'],index=[222,223,224])
# 222 ซันนีโก
# 223 เทปโปวโอ
# 224 โอกุแท็งก์
print(pokemon.reset_index())
# 222 ซันนีโก
# 223 เทปโปวโอ
# 224 โอกุแท็งก์
print(pokemon.reset_index())
ได้
| index | 0 | |
|---|---|---|
| 0 | 222 | ซันนีโก |
| 1 | 223 | เทปโปวโอ |
| 2 | 224 | โอกุแท็งก์ |
แต่ถ้าใส่คีย์เวิร์ด drop=1 (หมายถึงให้ทิ้งดัชนีเดิมไปเลยไม่ต้องเก็บไว้) ก็จะได้ซีรีส์เหมือนเดิม แค่ดัชนีถูกปลดเหลือ 0,1,2 ไปเท่านั้น
print(pokemon.reset_index(drop=1))
ได้
0 ซันนีโก
1 เทปโปวโอ
2 โอกุแท็งก์
dtype: object
1 เทปโปวโอ
2 โอกุแท็งก์
dtype: object
อ้างอิง
http://sinhrks.hatenablog.com/entry/2014/11/27/232150
http://nekoyukimmm.hatenablog.com/entry/2016/02/25/094407
http://qiita.com/airtoxin/items/d66a22c5c7074e23be17
http://nekoyukimmm.hatenablog.com/entry/2016/02/25/094407
http://qiita.com/airtoxin/items/d66a22c5c7074e23be17