Pandas.DataFrame重置列的行名实现(set_index)
pandas.DataFrame中的现有列分配给索引index（行名，行标签）。为索引指定唯一的名称很方便，因为使用loc，at选择（提取）元素时很容易理解。
将描述以下内容。
set_index（）的使用方法
- 基本用法
- 将指定的列保留为数据：参数drop
- 分配多索引
- 将索引更改为另一列（重置）
- 更改原始对象：参数inplace
读取csv文件等时指定索引
使用索引（行名）提取（选择）行和元素
了解如何更改索引的一部分或将整个列表替换为列表等，而不是将现有列分配给索引。
请参考以下文章，
以下面的数据为例。
import pandas as pd
df = pd.read_csv('./data/22/sample_pandas_normal.csv')
print(df)
# name age state point
# 0 Alice 24 NY 64
# 1 Bob 42 CA 92
# 2 Charlie 18 CA 70
# 3 Dave 68 TX 70
# 4 Ellen 24 CA 88
# 5 Frank 30 NY 57set_index（）的使用方法
基本用法
在第一个参数键中指定用作索引的列的列名（列标签）。指定的列设置为索引。
df_i = df.set_index('name')
print(df_i)
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Charlie 18 CA 70
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
将指定的列保留为数据：参数drop
默认情况下，如上例所示，从数据列中删除指定的列。如果参数drop = False，则指定的列将设置为index，并且也将保留在data列中。
df_id = df.set_index('name', drop=False)
print(df_id)
# name age state point
# name
# Alice Alice 24 NY 64
# Bob Bob 42 CA 92
# Charlie Charlie 18 CA 70
# Dave Dave 68 TX 70
# Ellen Ellen 24 CA 88
# Frank Frank 30 NY 57
分配多索引
如果在第一个参数键中指定了列名列表（列标签），则将多列分配为多索引。
df_mi = df.set_index(['state', 'name']) print(df_mi) # age point # state name # NY Alice 24 64 # CA Bob 42 92 # Charlie 18 70 # TX Dave 68 70 # CA Ellen 24 88 # NY Frank 30 57
使用sort_index（）排序时，它可以整齐显示。
df_mi.sort_index(inplace=True) print(df_mi) # age point # state name # CA Bob 42 92 # Charlie 18 70 # Ellen 24 88 # NY Alice 24 64 # Frank 30 57 # TX Dave 68 70
使用sort_values（）对行进行排序以进行说明。有关排序的详细信息，请参见以下文章。
pandas.DataFrame，Series排序（sort_values，sort_index）
默认情况下，如果在set_index（）中指定一列，则原始索引将被删除。
print(df_i)
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Charlie 18 CA 70
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
df_ii = df_i.set_index('state')
print(df_ii)
# age point
# state
# NY 24 64
# CA 42 92
# CA 18 70
# TX 68 70
# CA 24 88
# NY 30 57如果将参数append设置为True，则除了原始索引之外，还将将指定的列添加为新的层次结构索引。
df_mi = df_i.set_index('state', append=True)
print(df_mi)
# age point
# name state
# Alice NY 24 64
# Bob CA 42 92
# Charlie CA 18 70
# Dave TX 68 70
# Ellen CA 24 88
# Frank NY 30 57
添加的列是最底层。使用swaplevel（）切换图层。
print(df_mi.swaplevel(0, 1)) # age point # state name # NY Alice 24 64 # CA Bob 42 92 # Charlie 18 70 # TX Dave 68 70 # CA Ellen 24 88 # NY Frank 30 57
将索引更改为另一列（重置）
与前面的示例一样，如果使用set_index（）指定列，则原始索引将被删除。
如果要保留原始索引，请使用reset_index（），它会从0开始按顺序对索引重新编号。
print(df_i) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 df_ri = df_i.reset_index() print(df_ri) # name age state point # 0 Alice 24 NY 64 # 1 Bob 42 CA 92 # 2 Charlie 18 CA 70 # 3 Dave 68 TX 70 # 4 Ellen 24 CA 88 # 5 Frank 30 NY 57
如果要将索引更改（重置）到另一列，请在reset_index（）之后使用set_index（）。如果一次性全部编写，将如下所示。
df_change = df_i.reset_index().set_index('state')
print(df_change)
# name age point
# state
# NY Alice 24 64
# CA Bob 42 92
# CA Charlie 18 70
# TX Dave 68 70
# CA Ellen 24 88
# NY Frank 30 57
请注意，为方便起见，在此示例中将具有重叠值的列设置为索引，但是如果索引值不重叠（每个值都是唯一的），则更容易选择数据。
另请参见以下有关reset_index（）的文章。
Pandas.DataFrame,重置Series的索引index(reset_index)
更改原始对象：参数inplace
默认情况下，set_index（）不会更改原始对象并返回新对象，但是如果inplace参数为True，则原始对象将被更改。
df.set_index('name', inplace=True)
print(df)
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Charlie 18 CA 70
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
读取csv文件等时指定索引
从csv文件等中读取并生成pandas.DataFrame或pandas.Series时，如果原始文件包含要用作索引的列，则可以在读取时指定该列。
使用read_csv（）读取文件时，在参数index_col中指定一个列号，该列即成为索引。
df = pd.read_csv('./data/22/sample_pandas_normal.csv', index_col=0)
print(df)
# age state point
# name
# Alice 24 NY 64
# Bob 42 CA 92
# Charlie 18 CA 70
# Dave 68 TX 70
# Ellen 24 CA 88
# Frank 30 NY 57
有关读取csv和tsv文件的详细信息，请参见以下文章。
Pandas读取csv/tsv文件（read_csv，read_table）
使用索引（行名）提取（选择）行和元素
与前面的示例一样，如果在索引（行名，行标签）中指定唯一的字符串，则可以按名称提取（选择）行或元素。
print(df) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 print(df.loc['Bob']) # age 42 # state CA # point 92 # Name: Bob, dtype: object print(df.at['Bob', 'age']) # 42
有关loc和at的信息，请参见以下文章。
Pandas获取和修改任意位置的值（at,iat,loc,iloc）
到此这篇关于Pandas.DataFrame重置列的行名实现(set_index)的文章就介绍到这了,更多相关Pandas.DataFrame重置列的行名内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
matplotlib中的animation提供了动态绘图功能，这篇文章主要为大家详细介绍了Python如何利用matplotlib实现动态绘图，感兴趣的可以了解一下2023-05-05
这篇文章主要给大家介绍了关于Python3实现打格点算法的GPU加速的相关资料,文中通过示例代码介绍的非常详细,对大家学习或者使用python具有一定的参考学习价值,需要的朋友可以参考下2021-09-09
这篇文章主要为大家详细介绍了python实现超市进销存管理系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-06-06
很多情况,我们在写代码都会存在经常要写一些简单且又重复的代码,Pycharm中的活动模板可以把这些使用频率很高的一些代码打包起来设置一个快捷键,本文就来介绍一下如何实现2023-12-12
这篇文章主要为大家介绍了seaborn绘制双变量联合分布图示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-12-12
这篇文章主要介绍了Python装饰器原理与基本用法,结合实例形式分析了Python装饰器的基本功能、原理、用法与操作注意事项,需要的朋友可以参考下2020-01-01
这篇文章主要为大家介绍了Python采集某度贴吧排行榜实战示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-04-04
Python中，列表和元组是一种数据结构：序列，序列中的每个元素都被分配一个序号，元素的位置，第一原元素的位置为0，因此类推,序列是最基本的数据结构,本文给大家分享Python随手笔记第一篇（2）之初识列表和元组，感兴趣的朋友一起学习吧2016-01-01
这几天看网上好多微信跳一跳破解了，不过都是安卓的，无奈苹果不是开源也没办法。本文给大家分享用 Python 来玩微信跳一跳（Mac+iOS版），具体实现代码大家参考下本文2018-01-01
这篇文章主要介绍了Python的加密模块md5、sha、crypt使用实例,本文给出了MD5和crypt模块的代码实例,需要的朋友可以参考下2014-09-09
最新评论