Pandas的set_index和reset_index用法
DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
参数说明:
keys:需要设置为索引的列标签
drop:默认为True,删除用作新索引的列
append:新的index设置之后,是否要删除原来的index。默认为True。
inplace:默认为False,是否要用新的DataFrame取代原来的DataFrame。
verify_integrity:默认为false,检查新索引的副本。否则,请将检查推迟到必要时进行。将其设置为false将提高该方法的性能。
reset_index():
函数原型:DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=”)
参数说明:
level:int、str、tuple或list,默认无,仅从索引中删除给定级别。默认情况下移除所有级别。控制了具体要还原的那个等级的索引
drop:drop为False则索引列会被还原为普通列,否则会丢失
inplace:默认为false,是否要用新的DataFrame取代原来的DataFrame。
col_level:int或str,默认值为0,如果列有多个级别,则确定将标签插入到哪个级别。默认情况下,它将插入到第一级。
col_fill:对象,默认”,如果列有多个级别,则确定其他级别的命名方式。如果没有,则重复索引名
import pandas as pd
df = pd.DataFrame({ ‘A’: [‘A0’, ‘A1’, ‘A2’, ‘A3’],
‘B’: [‘B0’, ‘B1’, ‘B2’, ‘B3’],
‘C’: [‘C0’, ‘C1’, ‘C2’, ‘C3’],
‘D’: [‘D0’, ‘D1’, ‘D2’, ‘D3’]})
print(df)
drop_t = df.set_index(‘A’,drop=True, append=False, inplace=False, verify_integrity=False)
print(drop_t)
no_drop_t = df.set_index(‘A’,drop=False, append=False, inplace=False, verify_integrity=False)
print(no_drop_t)
reset_drop_t = drop_t.reset_index(drop=False) #索引列会被还原为普通列
print(reset_drop_t)
reset_no_drop_t = no_drop_t.reset_index(drop=True) #索引列会被还原为普通列
print(reset_no_drop_t)
运行结果
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
B C D
A0 B0 C0 D0
A1 B1 C1 D1
A2 B2 C2 D2
A3 B3 C3 D3
A B C D
A0 A0 B0 C0 D0
A1 A1 B1 C1 D1
A2 A2 B2 C2 D2
A3 A3 B3 C3 D3
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3
Original: https://blog.csdn.net/Kwoky/article/details/116840904
Author: Kwoky
Title: Pandas的set_index和reset_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/753330/
转载文章受原作者版权保护。转载请注明原作者出处!