pandas get_indexer() 计算索引标签的位置

pandas.Index.get_indexer() 和 pandas.MultiIndex.get_indexer() 都用于查找一组目标值在索引（或多层索引）中的匹配位置。这两个方法的功能和使用方式类似，区别在于 pandas.Index 处理单层索引，而 pandas.MultiIndex 处理多层索引。

语法

共同点

• 作用：
  都用于计算目标值在索引中的匹配位置，返回一个包含目标值位置的整数数组。如果找不到匹配项，则返回 -1。

• 参数支持：
  两者都支持四个常用参数：

  • target: 需要查找的目标值。
  • method: 匹配方法，可选择精确匹配、向前填充、向后填充、最近值匹配等。
  • limit: 限制最近匹配的次数。
  • tolerance: 容差范围，控制最近值匹配的精度。

语法对比

Index.get_indexer()

Index.get_indexer(target, method=None, limit=None, tolerance=None)

MultiIndex.get_indexer()

MultiIndex.get_indexer(target, method=None, limit=None, tolerance=None)

参数说明

• target：目标值序列，需要在索引中进行查找。对于 MultiIndex，目标值需要与 MultiIndex 结构相匹配。

• method：匹配方法，支持以下选项：

  • None：精确匹配。
  • 'pad'：向前填充，返回最近的较小匹配值的索引。
  • 'backfill'：向后填充，返回最近的较大匹配值的索引。
  • 'nearest'：返回最接近目标值的索引。

• limit：可选参数，限制每个目标值最多能匹配的最近元素的数量。

• tolerance：容差范围，适用于 method='nearest'，指定允许匹配的最大距离。

返回值

返回一个包含匹配位置的整数数组，如果找不到匹配项，则返回 -1。

使用场景

Index.get_indexer()

适用于单层索引的情况，例如：

• 查找某一组值在 Index 中的匹配位置。
• 需要在时间序列数据中找到最近的时间戳记录。

MultiIndex.get_indexer()

适用于多层索引的数据集，常用于：

• 查找多层索引中指定值的匹配位置。
• 在多层次数据的查询和合并过程中使用，特别适合处理复杂的索引结构。

示例

示例 1：使用 Index.get_indexer() 进行精确匹配

import pandas as pd

# 创建一个简单的 Index
index = pd.Index([1, 2, 3, 4, 5])

# 目标值
target = [3, 6]

# 获取目标值在 Index 中的位置
indexer = index.get_indexer(target)

f"Exact match indexer for Index:\n{indexer}\n"

输出：

Exact match indexer for Index:
[ 2 -1]

在这个例子中，3 在 Index 中的匹配位置是 2，而 6 没有匹配项，因此返回 -1。

示例 2：使用 MultiIndex.get_indexer() 进行精确匹配

# 创建一个 MultiIndex
multi_index = pd.MultiIndex.from_tuples(
    [('a', 1), ('a', 2), ('b', 1), ('b', 2)], 
    names=['letter', 'number']
)

# 目标值
target = pd.MultiIndex.from_tuples([('a', 1), ('b', 2), ('c', 1)])

# 获取目标值在 MultiIndex 中的位置
multi_indexer = multi_index.get_indexer(target)

f"Exact match indexer for MultiIndex:\n{multi_indexer}\n"

输出：

Exact match indexer for MultiIndex:
[ 0  3 -1]

在 MultiIndex 中，目标值 ('a', 1) 和 ('b', 2) 找到匹配项，而 ('c', 1) 没有匹配项。

示例 3：使用 'nearest' 方法进行最近匹配

# 使用 'nearest' 方法进行最近匹配
indexer_nearest = index.get_indexer([4.5, 1.2], method='nearest')

f"Nearest match indexer:\n{indexer_nearest}\n"

输出：

Nearest match indexer:
[4 0]

在 Index 中，4.5 最近匹配到 5，而 1.2 最近匹配到 1。

总结

• Index.get_indexer()：用于单层索引中查找目标值的位置，适用于简单数据集。
• MultiIndex.get_indexer()：用于多层索引，能够处理更复杂的层次结构，非常适合处理多维数据查询。

两者都支持多种匹配方法，包括精确匹配、向前/向后填充和最近值匹配，还能使用容差控制最近匹配的精度。这使得它们在处理数据对齐、查找和合并时非常强大。

参考

• https://pandas.pydata.org/docs/reference/api/pandas.MultiIndex.get_indexer.html
• https://pandas.pydata.org/docs/reference/api/pandas.Index.get_indexer.html

更新时间：2024-10-24 08:50:00 标签：pandas python 多层索引 索引