df.set_index() 使用现有列设置单（复合）索引，df.reset_index()还原索引
set_index
DataFrame可以通过set_index方法，可以使用现有列设置单索引和复合索引
DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
参数：
- keys：label or array-like or list of labels/arrays，这个是需要设置为索引的列名，可以是单个列名，或者是多个列名
- drop：bool, default True，删除要用作新索引的列
- append：bool, default False，添加新索引
- inplace：bool, default False，是否要覆盖数据集
- verify_integrity：bool, default False，检查新索引是否重复。否则，将检查推迟到必要时进行。设置为False将改善此方法的性能
注意：drop为False，inplace为True时，索引将会还原为列
官网例子
df = pd.DataFrame({'month': [1, 4, 7, 10],
'year': [2012, 2014, 2013, 2014],
'sale': [55, 40, 84, 31]})
#设置单个列作为索引
df.set_index('month')
'''
year sale
month
1 2012 55
4 2014 40
7 2013 84
10 2014 31
'''
#设置复合索引
df.set_index(['year', 'month'])
'''
sale
year month
2012 1 55
2014 4 40
2013 7 84
2014 10 31
'''
#自定义索引和某列作为复合索引
df.set_index([pd.Index([1, 2, 3, 4]), 'year'])
'''
month sale
year
1 2012 1 55
2 2014 4 40
3 2013 7 84
4 2014 10 31
'''
#自定义索引
s = pd.Series([1, 2, 3, 4])
df.set_index([s, s**2])
'''
month year sale
1 1 1 2012 55
2 4 4 2014 40
3 9 7 2013 84
4 16 10 2014 31
'''
reset_index
多用于删除某行后重新设置0开始的索引
reset_index，重置DataFrame的索引，并使用默认索引。如果DataFrame具有MultiIndex，则此方法可以删除一个或多个级别
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=”)
参数：
- level：int, str, tuple, or list, default None，仅从索引中删除给定的级别。默认情况下删除所有级别。
- drop：bool, default False，drop为False则索引列会被还原为普通列，否则会丢失
- inplace：bool, default False
- col_level：int or str, default 0，如果列有多个级别，请确定将标签插入到哪个级别。默认情况下，它被插入第一级
- col_fill：object, default ‘’，如果列有多个级别，请确定如何命名其他级别。如果为None，则重复索引名称
官网例子
df = pd.DataFrame([('bird', 389.0), ('bird', 24.0), ('mammal', 80.5), ('mammal', np.nan)], index=['falcon', 'parrot', 'lion', 'monkey'], columns=('class', 'max_speed')) df
class max_speed
falcon bird 389.0
parrot bird 24.0
lion mammal 80.5
monkey mammal NaN
重置索引时，会将旧索引添加为列，并使用新的顺序索引：
df.reset_index()
index class max_speed
0 falcon bird 389.0
1 parrot bird 24.0
2 lion mammal 80.5
3 monkey mammal NaN
我们可以使用drop参数来避免将旧索引添加为列：
df.reset_index(drop=True)
class max_speed
0 bird 389.0
1 bird 24.0
2 mammal 80.5
3 mammal NaN
也可以将reset_index与MultiIndex 一起使用。
index = pd.MultiIndex.from_tuples([('bird', 'falcon'), ('bird', 'parrot'), ('mammal', 'lion'), ('mammal', 'monkey')], names=['class', 'name']) columns = pd.MultiIndex.from_tuples([('speed', 'max'), ('species', 'type')]) df = pd.DataFrame([(389.0, 'fly'), ( 24.0, 'fly'), ( 80.5, 'run'), (np.nan, 'jump')], index=index, columns=columns) df
speed species
max type
class name
bird falcon 389.0 fly
parrot 24.0 fly
mammal lion 80.5 run
monkey NaN jump
如果索引具有多个级别，我们可以重置其中的一个子集：
df.reset_index(level='class')
class speed species
max type
name
falcon bird 389.0 fly
parrot bird 24.0 fly
lion mammal 80.5 run
monkey mammal NaN jump
如果我们不删除索引，则默认情况下，它位于顶层。我们可以将其放在另一个级别：
df.reset_index(level='class', col_level=1)
speed species
class max type
name
falcon bird 389.0 fly
parrot bird 24.0 fly
lion mammal 80.5 run
monkey mammal NaN jump
当索引插入到另一个级别下时，我们可以使用参数col_fill指定在哪个级别下：
df.reset_index(level='class', col_level=1, col_fill='species')
species speed species
class max type
name
falcon bird 389.0 fly
parrot bird 24.0 fly
lion mammal 80.5 run
monkey mammal NaN jump
如果我们为col_fill指定一个不存在的级别，则会创建它：
df.reset_index(level='class', col_level=1, col_fill='genus')
genus speed species
class max type
name
falcon bird 389.0 fly
parrot bird 24.0 fly
lion mammal 80.5 run
monkey mammal NaN jump
