«

Pandas.DataFrame重置Series的索引index

时间:2024-3-8 13:38     作者:韩俊     分类: Python


这篇文章主要介绍“Pandas.DataFrame重置Series的索引index”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“Pandas.DataFrame重置Series的索引index”文章能帮助大家解决问题。

如果使用reset_index()方法,则可以将pandas.DataFrame,pandas.Series的索引索引(行名称,行标签)重新分配为从0开始的序列号(行号)。

如果将行号用作索引,则通过排序更改行的顺序或删除行并得到缺少的号码时,重新索引会更容易。

当行名(行标签)用作索引时,它也可用于删除当前索引或恢复数据列。您可以使用set_index()和reset_index()将索引更改(重置)到另一列。

将描述以下内容。

使用reset_index()将索引重新分配给序列号

  • 基本用法

  • 删除原始索引:参数drop

  • 更改原始对象:参数inplace

使用reset_index()和set_index()将索引更改为另一列(重置)

以下面的数据为例。

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

该示例为pandas.DataFrame,但pandas.Series也具有reset_index()。两个参数的用法相同。

使用reset_index()将索引重新分配给序列号

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)

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

由于索引已经分散,因此将它们重新分配给从0开始的连续数字。

如果在不指定任何参数的情况下使用reset_index(),则序列号将成为新索引,而原始索引将保留为新列。

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

删除原始索引:参数drop

如果参数drop为True,则原始索引将被删除并且不会保留。

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

更改原始对象:参数inplace

默认情况下,原始对象不会更改,并且会返回一个新对象,但是如果inplace参数为True,则会更改原始对象。

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()将索引更改为另一列(重置)

如果将行名设置为索引而不是数字。

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,则将序列号设置为索引,并将原始索引添加到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

如果将set_index()照原样应用于原始DataFrame,则会删除原始索引。

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

如果要将原始索引保留为数据字符串,则可以在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,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。

标签: python

热门推荐