#Python基础 pandas索引设置

一：XMIND

 二：设置索引

示例数据，假设我们有一个DataFrame对象，如下：

import pandas as pd

df = pd.DataFrame({
    "name": ["Alice", "Bob", "Charlie", "David"],
    "age": [25, 30, 35, 40],
    "gender": ["F", "M", "M", "M"]
})

print(df)

# 输出：
#      name  age gender
# 0   Alice   25      F
# 1     Bob   30      M
# 2 Charlie   35      M
# 3   David   40      M

2.1  读取时设置索引  index_col

df = pd.read_excel("data.xlsx", index_col="date")

　在读取文件时，我们可以指定索引，上面代码指定了"date"这一列为行索引

2.2  重置/指定索引

2.2.1  index 和 columns 参数来直接修改行/列索引值

# 修改行索引值
df.index = ["a", "b", "c", "d"]
print(df)

# 输出：
#      name  age gender
# a   Alice   25      F
# b     Bob   30      M
# c Charlie   35      M
# d   David   40      M

# 修改列索引值
df.columns = ["姓名", "年龄", "性别"]
print(df)

# 输出：
#       姓名  年龄 性别
# a   Alice  25  F
# b     Bob  30  M
# c Charlie  35  M
# d   David  40  M

2.2.2  rename() 方法，传入一个字典，映射原来的索引值和新的索引值

# 修改行索引值
df = df.rename({"a": "A", "b": "B", "c": "C", "d": "D"}, axis=0)
print(df)

# 输出：
#       姓名  年龄 性别
# A   Alice  25  F
# B     Bob  30  M
# C Charlie  35  M
# D   David  40  M

# 修改列索引值
df = df.rename({"姓名": "name", "年龄": "age", "性别": "gender"}, axis=1)
print(df)

# 输出：
#      name  age gender
# A   Alice   25      F
# B     Bob   30      M
# C Charlie   35      M
# D   David   40      M

2.2.3  set_index() 方法，传入列名或列名列表

# 将 name 列设置为行索引
df = df.set_index("name")
print(df)

# 输出：
#          age gender
# name               
# Alice     25      F
# Bob       30      M
# Charlie   35      M
# David     40      M

# 将 name 和 gender 列设置为多级行索引
df = df.set_index(["name", "gender"])
print(df)

# 输出：
#                age
# name    gender    
# Alice   F       25
# Bob     M       30
# Charlie M       35
# David   M       40

2.2.4  reset_index,行索引重置为默认的整数索引，可以使用 reset_index() 方法

  pd.reset_index是用来把索引重置为默认的整数索引的方法。可以理解为重置列索引，并将pandas默认索引设置为索引

# 将行索引重置为默认的整数索引
df = df.reset_index()
print(df)

# 输出：
#      name  age gender
# 0   Alice   25      F
# 1     Bob   30      M
# 2 Charlie   35      M
# 3   David   40      M