Pandas.DataFrame重置Series的索引index

這篇文章主要介紹“Pandas.DataFrame重置Series的索引index”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“Pandas.DataFrame重置Series的索引index”文章能幫助大家解決問題。

如果使用reset_index（）方法，則可以將pandas.DataFrame，pandas.Series的索引索引（行名稱，行標簽）重新分配為從0開始的序列號（行號）。

如果將行號用作索引，則通過排序更改行的順序或刪除行并得到缺少的號碼時，重新索引會更容易。

當行名（行標簽）用作索引時，它也可用于刪除當前索引或恢復數據列。您可以使用set_index（）和reset_index（）將索引更改（重置）到另一列。

將描述以下內容。

使用reset_index（）將索引重新分配給序列號

• 基本用法

• 刪除原始索引：參數drop

• 更改原始對象：參數inplace

使用reset_index（）和set_index（）將索引更改為另一列（重置）

以下面的數據為例。

import pandas as pd

df = pd.read_csv('./data/21/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     57

該示例為pandas.DataFrame，但pandas.Series也具有reset_index（）。兩個參數的用法相同。

使用reset_index（）將索引重新分配給序列號

使用sort_values（）對行進行排序以進行說明。有關排序的詳細信息，請參見以下文章。

pandas.DataFrame，Series排序（sort_values，sort_index）

df.sort_values('state', inplace=True)
print(df)
#       name  age state  point
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 4    Ellen   24    CA     88
# 0    Alice   24    NY     64
# 5    Frank   30    NY     57
# 3     Dave   68    TX     70

基本用法

由于索引已經分散，因此將它們重新分配給從0開始的連續數字。

如果在不指定任何參數的情況下使用reset_index（），則序列號將成為新索引，而原始索引將保留為新列。

df_r = df.reset_index()
print(df_r)
#    index     name  age state  point
# 0      1      Bob   42    CA     92
# 1      2  Charlie   18    CA     70
# 2      4    Ellen   24    CA     88
# 3      0    Alice   24    NY     64
# 4      5    Frank   30    NY     57
# 5      3     Dave   68    TX     70

刪除原始索引：參數drop

如果參數drop為True，則原始索引將被刪除并且不會保留。

df_r = df.reset_index(drop=True)
print(df_r)
#       name  age state  point
# 0      Bob   42    CA     92
# 1  Charlie   18    CA     70
# 2    Ellen   24    CA     88
# 3    Alice   24    NY     64
# 4    Frank   30    NY     57
# 5     Dave   68    TX     70

更改原始對象：參數inplace

默認情況下，原始對象不會更改，并且會返回一個新對象，但是如果inplace參數為True，則會更改原始對象。

df.reset_index(inplace=True, drop=True)
print(df)
#       name  age state  point
# 0      Bob   42    CA     92
# 1  Charlie   18    CA     70
# 2    Ellen   24    CA     88
# 3    Alice   24    NY     64
# 4    Frank   30    NY     57
# 5     Dave   68    TX     70

使用reset_index（）和set_index（）將索引更改為另一列（重置）

如果將行名設置為索引而不是數字。

df = pd.read_csv('./data/21/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

如果使用reset_index（）方法，則將序列號設置為索引，并將原始索引添加到data列。

df_r = df.reset_index()
print(df_r)
#       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

如果將set_index（）照原樣應用于原始DataFrame，則會刪除原始索引。

df_s = df.set_index('state')
print(df_s)
#        age  point
# state            
# NY      24     64
# CA      42     92
# CA      18     70
# TX      68     70
# CA      24     88
# NY      30     57

如果要將原始索引保留為數據字符串，則可以在reset_index（）之后使用set_index（）。

df_rs = df.reset_index().set_index('state')
print(df_rs)
#           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

注意，為方便起見，在此示例中將具有重疊值的列設置為索引，但是如果索引值不重疊（每個值都是唯一的），則更容易選擇數據。

關于“Pandas.DataFrame重置Series的索引index”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。