Pandas.DataFrame重置Series索引的reset_index方法，如何实现索引重置操作？

本文共计1368个文字，预计阅读时间需要6分钟。

使用 `reset_index` 重置索引：

- 目的：将索引重新分配给序列号。- 基本用法：`df.reset_index(drop=True, inplace=False)`- 参数说明： - `drop`：如果为 `True`，则删除原始索引。 - `inplace`：如果为 `True`，则直接在原DataFrame上修改，否则返回一个新的DataFrame。

删除原始索引：

- 参数：`drop=True`

修改原始对象：

- 参数：`inplace=True`

使用 `reset_index` 和 `set_index` 更新索引：

- 使用 `reset_index` 更新索引为新的列。- 使用 `set_index` 将现有列设置为索引。

例如：

pythondf.reset_index(drop=True, inplace=True)df.set_index('new_column')

目录

• 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）

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。

到此这篇关于Pandas.DataFrame重置Series的索引index(reset_index)的文章就介绍到这了,更多相关Pandas.DataFrame重置Series索引内容请搜索自由互联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自由互联！