Python dataframe如何设置index_python_

dataframe设置index

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) 

其中：keys是列标签或数组列表

• drop：删除要用作新索引的列,布尔值默认为True
• append：boolean是否将列附加到现有索引默认为False，inplace修改DataFrame（不要创建新对象）默认为False
• verify_integrity：检查新索引是否有重复项默认为False。

示例：

In [ ]: df = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'], 'C': ['C0', 'C1', 'C2', 'C3'], 'D': ['D0', 'D1', 'D2', 'D3']}, index=[0, 1, 2, 3]) Out[ ]: A B C D 0 A0 B0 C0 D0 1 A1 B1 C1 D1 2 A2 B2 C2 D2 3 A3 B3 C3 D3

>>> df1= df.set_index(['A', 'B']) >>> df2 = df.set_index([[1, 2, 3,4]])

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

level指仅从索引中删除给定的级别，默认情况下删除所有级别int，str，tuple或list，默认为None。drop确定索引列会是否还原为普通列

示例：

>>> df.reset_index()

重命名dataframe的index 

方法1：直接赋值法

因为dataframe的index也是series格式的数据，所以直接指定index为一个新的series即可修改dataframe的index：

方法2：map

方法3：rename

通过rename传入一个函数可以批量替换index或rename：

也可以通过传入一个字典，指定修改index或column：

自定义map函数处理dataframe

map函数通过传入一个函数来对对象进行批量处理：

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。

提示： 本文由神整理自网络，如有侵权请联系本站删除！
本站声明：
1、本站所有资源均来源于互联网，不保证100%完整、不提供任何技术支持；
2、本站所发布的文章以及附件仅限用于学习和研究目的;不得将用于商业或者非法用途；否则由此产生的法律后果，本站概不负责！