set_index 仅适用于 DataFrame, 作用是重新设置 DataFrame 的行索引
创建示例数据, 行索引默认使用整数索引
In [1]: import pandas as pd
In [2]:
...: df = pd.DataFrame({"month": [2, 6, 12, 10], "year": [2008, 2012, 2012, 2019], "day": [29, 30, 31, 31]})
In [3]: df
Out[3]:
month year day
0 2 2008 29
1 6 2012 30
2 12 2012 31
3 10 2019 31
可以使用已有的列替换默认的整数行索引
In [4]: df.set_index("year")
Out[4]:
month day
year
2008 2 29
2012 6 30
2012 12 31
2019 10 31
替换行索引后该列默认被删除, 可以设置 drop=False 保留该列
In [5]: df.set_index("year", drop=False)
Out[5]:
month year day
year
2008 2 2008 29
2012 6 2012 30
2012 12 2012 31
2019 10 2019 31
可以使用多个列去替换行索引, 这样将形成层级索引
In [6]: df.set_index(["year", "month"])
Out[6]:
day
year month
2008 2 29
2012 6 30
12 31
2019 10 31
注意第3行的年份是空白, 表示与上一行相同
除了使用已有的列, 还可以使用自定义数据
In [8]: df.set_index([pd.Index([3, 3, 9, 11], name="other"), "year"])
Out[8]:
month day
other year
3 2008 2 29
2012 6 30
9 2012 12 31
11 2019 10 31
在 Pandas 中, 使用 pd.Index 对象表示索引, 该对象是不可变对象
设置 append=True 可以将已有列附加到行索引, 这样就不是替换效果了
In [9]: df.set_index("year", append=True)
Out[9]:
month day
year
0 2008 2 29
1 2012 6 30
2 2012 12 31
3 2019 10 31
对于 df 对象, 原有的索引是整数索引, 现在加入年份列, 变成层级索引, 第一层是整数索引, 第二层是年份
最后还有一个参数 inplace=True 表示直接修改 df, 而不是返回新对象
Original: https://blog.csdn.net/jiang_huixin/article/details/113042431
Author: jiang_huixin
Title: Pandas set_index 用法
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/676087/
转载文章受原作者版权保护。转载请注明原作者出处！