pandas 的index用途

# pandas的索引index的用途

# 把数据存储于普通的column列也能用于数据查询，那使用index有什么好处？

#     1、更方便的数据查询

#     2、使用index可以获得性能提升

#     3、 自动的数据对其功能

#     4、更多强大的数据结构支持

import pandas as pd 

# 1 使用index查询数据

# drop==False，让索引列保持在columns

df.set_index("userId",inplace=True,drop = False)

df.head()

df.index

# 使用index的查询方法

df.loc[500].head(5)

# 使用column的condition查询方法

df.loc[df["userId"]==500].head()

# 2 使用index会提升查询性能

#    如果index是惟一的，pandas会使用哈希表优化，查询性能为O(1)

#    如果index不是惟一的，但是有序，pandas会使用二分查找算法，查询性能为O（logN

#    如果index是完全随机的，那么每次查询都要扫描去哪表，查询性能为O(N)

# 实验一：完全随机的顺序查询

# 将数据随机打散

from sklearn.utils import shuffle

df_shuffle = shuffle(df)#打散数据

# 索引是否是递增的

df_shuffle.index.is_mononic_increasing

# 判断索引是否是唯一的

df_shuffle.index.is_unique

# 计时，查询id ==500数据的性能

%timeit df_shuffle.loc[500]

# 实验二：将index排序后的查询

df_sorted = df_shuffle.sort_index()

df_sorted.head()

#索引是否是递增的

df_sorted.index.is_monotonic_increasing

df_sorted.index.is_unique

%timeit df_sorted.loc[500]

#  3 使用index能自动对齐数据（包括series & dataframe）

s1 = pd.Series([1,2,30],index= list("abc"))

s2 = pd.Series([2,3,4],index=list("bcd"))

s1 + s2 

#  4 使用index更多更强大的数据结构支持

# 很多强大的数据结构

#

#    Categoricallndex ,基于分类数的index，提升性能

#    Multilndex ， 多维索引，用于group by多维聚合结果等

#    Datetimeindex ，时间类型索引，强大的日期和时间的方法支持