Pandas： pd.reset_index(drop=False)的用法

已于 2022-03-23 16:48:56 修改
阅读量4.1k 收藏 5
点赞数 2
分类专栏： 数据处理 文章标签： python
于 2022-03-23 16:47:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/T_110140/article/details/123690183
版权

pd.reset_index（）的作用：用来重新设置索引index

。

pd.reset_index(drop=False)，False 表示不删除之前的index。并将原有的索引作为一个新列。

在这里插入图片描述

pd.reset_index(drop=True)，True表示删除之前的index。

在这里插入图片描述

T_110140
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
详解pandas库pd.read_excel操作读取excel文件参数整理与实例
01-01
除了使用xlrd库或者xlwt库进行对excel表格的操作读与写，而且pandas库同样支持excel的操作；且pandas操作更加简介方便。 首先是pd.read_excel的参数：函数为： pd.read_excel(io, sheetname=0,header=0,skiprows=...
pandas中索引重置set_index和reset_index的用法
qq_39954916的博客
04-29 1万+
1.set_index DataFrame可以通过set_index方法，可以设置单索引和复合索引。 DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) import pandas as pd import numpy as np df = pd.DataFram...
pandas重设index set_index和resert_index
刘文凯的博客
03-11 6524
reset_index 自动重设index， 不需要某一列： dt=pd.DataFrame(data) dt.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='') # 例子： dt.reset_index(drop=True) # True 为在元数据上进行跟新，False为拷贝一个副本，元数据不变 参数解释： level：数值类型可以为：int、str、tuple或list，默认无，仅从索引中删除给定
【python数据分析基础】—dataframe中index的相关操作（添加、修改index的列名、修改index索引值等）
sodaloveer的博客
02-06 1225
dataframe中index的相关操作（添加、修改index的列名、修改index索引值等）
（Python）Pandas reset_index()用法总结
热门推荐
Wenrui Xie的博客
10-13 8万+
Pandas是一个数据处理的库，今天我们来学习reset_index()这个函数的用法。 pandas.DataFrame.reset_index 函数作用：重置索引或其level。 重置数据帧的索引，并使用默认索引。如果数据帧具有多重索引，则此方法可以删除一个或多个level。 函数主要有以下几个参数：reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='') 各个参数...
【Python_Pandas】reset_index() 函数解析
Danger的博客
05-14 6445
【Python_Pandas】reset_index() 函数解析
python pandas中reset_index方法的使用
weixin_45144170的博客
05-24 5316
reset_index（）方法可能最经常使用的地方是处理groupby（）方法调用后的数据。官方文档是这样介绍该函数的功能的，As a convenience, there is a new function on DataFrame called reset_index() which transfers the index values into the DataFrames columns and sets a simple integer index. This is the inverse op
随笔--笔记2(re.group、pd.reset_index和tkinter模块）
Itsme_MrJJ的博客
04-28 490
一、re 中的group 正则表达式中，group（）用来提出分组截获的字符串，（）用来分组 import re a = "123abc456" print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(0) #123abc456,返回整体 print re.search("([0-9]*)([a-z]*)([0-9]*)",a).group(1) #123 print re.search("([0-9]*)([a-z]*)([0-9]*)",a).gr
python数据分析基础—pandas中set_index()、reset_index()的使用
sodaloveer的博客
09-01 3852
python数据分析基础—pandas中set_index()、reset_index()的使用
df.reset_index( )函数（Pandas库）
Fwuyi的博客
03-21 1万+
df.reset_index( )函数：重置索引直接生成一个新DataFrame或Series df.reset_index(level, drop=False) level： drop：默认为False，即原来的行索引列会作为新的一列。如果drop=True，则原来的行索引列被弃 1 df.reset_index(drop=False)：将原来的行索引列作为新的一列，生成一个新df import pandas as pd df =pd.DataFrame({'a':[0,1,2],'b':[
pandas笔记2---reset_index函数drop与inplace参数的理解
三年研究生能改变多少
12-23 2万+
本文将分为三部分： 1. reset_index函数： 修改排序，否则可能会产生错误，所以对DataFrame做完合并，或者做分组聚合（groupby,agg,transform等函数）后，最好做一个 reset_index处理。 2.drop参数的理解： drop=True: 把原来的索引index列去掉，丢掉。 drop=False:保留原来的索引（以前的可能是乱的） 3. inplac...
R：数据结构
weixin_44330955的博客
10-05 691
1. 数据结构 1.1 数据结构概述 概念 数据结构是计算机存储、组织数据的方式 数据结构是指相互之间存在一种或多种特定关系的数据元素集合 R中常见的数据结构 向量 矩阵 数据框：经常使用的一种数据结构 列表 因子 R中常见的数据结构 数值型：数值可以用于直接结算，加减乘除 字符串型：可以进行连接，转换，提取等 逻辑型：真或者假 日期型 1.2 向量 向量概述 向量是R语言中最基本的数据结构，向量必须由类型相同的元素组成 使用赋值符号“<-”和组合函数c()，可以创建各种类型.
pandas.DataFrame.drop_duplicates 用法介绍
09-16
主要介绍了pandas.DataFrame.drop_duplicates 用法介绍，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pd_split_train_test.rar_pandas_pandas对数据分类_pd.split_split_数据分类
09-20
使用pandas对数据分类,对训练集测试集进行分类
Day25-Java基础之常用类1
m0_46053885的博客
04-27 928
同时我们发现Math类中的方法都是静态的，因此在使用的时候我们可以直接通过类名去调用。对于计算机而言，其实是没有数据类型的概念的，都是0101010101，数据类型是编程语言自己规定的，所以在实际存储的时候，先把具体的数字变成二进制，每32个bit为一组，存储在数组中。比较内存地址值一般情况下是没有意义的，我们希望比较的是对象的属性，如果两个对象的属性相同，我们认为就是同一个对象；如果我们的数据是一个浮点类型的数据，有的时候计算机并不会将这个数据完全转换成一个二进制数据，而是将这个将其转换成一个无限的。
Lambda表达式特点
weixin_57763462的博客
04-24 898
**API 设计**：Lambda 表达式鼓励使用函数式接口的设计模式，这改变了 Java 库的设计，例如 `java.util.function` 包下的一系列函数式接口。- **函数式编程**：Lambda 表达式引入了函数式编程的理念，使得 Java 更接近于函数式编程语言，如 Scala 和 Clojure。- **并发编程**：Lambda 表达式与 Java 8 新增的 Stream API 结合使用，可以简化并发编程，特别是与集合的操作相关。
AttributeError: module ‘numpy‘ has no attribute ‘float‘.的解决方法
最新发布
chen_znn的博客
04-30 340
本文记录了AttributeError: module 'numpy' has no attribute 'float'.的解决方法
Python 二叉树的创建与遍历
youyouxiong的博客
04-24 451
在Python中创建二叉树并进行遍历，我们首先需要定义一个二叉树节点类，然后创建二叉树，最后实现几种基本的遍历方法：前序、中序、后序和层序遍历。以下是具体的实现步骤： 2. 创建二叉树 创建二叉树通常是由用户根据需要输入节点值来构建，或者通过特定的算法生成。这里我们手动创建一个简单的二叉树： 3. 实现二叉树的遍历 前序遍历 (Preorder Traversal) 访问根节点，然后递归地遍历左子树，最后递归地遍历右子树。 中序遍历 (Inorder Traversal) 递归地遍历左子
PySide6 GUI 学习笔记——使用资源文件
Humbunklung的专栏
04-27 558
在界面开发中，我们常常将一些图片、图标等资源统一存放到资源文件中供使用，从而让图形界面表达能力更好，更加丰富，譬如带图标的按钮、菜单、窗口等等。PySide6可以将多个图标、图片等资源文件编译到.py文件中，这样可以被我们的程序直接调用，使得资源的管理更加方便。
忽略该脚本警告 import pandas as pd import glob def com(): file_paths = glob.glob('E:/py卓望/数据分析/top150_20230321/*.txt') data = pd.DataFrame() for i in file_paths: df = pd.read_csv(i, sep=',', header=None, skiprows=[0]) data = pd.concat([data, df]) data.drop(df.columns[0], axis=1, inplace=True) df.sort_values(by=1, ascending=False, inplace=True) data.iloc[:, 0] = data.iloc[:, 0].str.lower() data.to_csv('E:/py卓望/数据分析/all/all_file.txt', sep=',', index=False,header=False) all = pd.read_csv('E:/py卓望/数据分析/all/all_file.txt', header=None, delimiter=',') all[0] = all[0].str.split('.') all[0] = all[0].apply( lambda x: '.'.join(x[-3:]) if '.'.join(x[-2:]) in ['gov.cn', 'com.cn', 'org.cn', 'net.cn'] else '.'.join(x[-2:])) new_col = all[0] result = pd.concat([new_col,all.iloc[:,1:]],axis=1) result.to_csv('E:/py卓望/数据分析/all/二级域名.txt', sep=',',index=False,header=False) summation = pd.read_csv('E:/py卓望/数据分析/all/二级域名.txt', header=None, delimiter=',') grouped = summation.groupby(0)[1].sum().reset_index() grouped = grouped.sort_values(by=1, ascending=False).reset_index(drop=True) grouped[1] = grouped[1].fillna(summation[1]) grouped.to_csv('E:/py卓望/数据分析/all/处理后求和域名.txt', sep=',', index=False, header=False) top_10000 = pd.read_csv('E:/py卓望/数据分析/all/处理后求和域名.txt', header=None, delimiter=',') alls = top_10000.nlargest(10000, 1) alls.drop(columns=[1], inplace=True) alls.to_csv('E:/py卓望/数据分析/all/data.txt', sep=',',index=False, header=False) final = top_10000.iloc[10000:] final.drop(columns=[1], inplace=True) final.to_csv('E:/py卓望/数据分析/all/final_data.txt', sep=',',index=False, header=False) print(final.to_csv) warnings.filterwarnings("ignore") def main(): com() if __name__ == "__main__": print("开始清洗域名文件") main() print("数据清洗完毕")
06-06
要忽略该脚本中的警告，可以在脚本开头添加以下两行代码： ```python import warnings warnings.filterwarnings("ignore") ``` 这会忽略脚本中的所有警告。将这两行代码添加到脚本的开头即可： ```python import pandas as pd import glob import warnings def com(): warnings.filterwarnings("ignore") file_paths = glob.glob('E:/py卓望/数据分析/top150_20230321/*.txt') data = pd.DataFrame() for i in file_paths: df = pd.read_csv(i, sep=',', header=None, skiprows=[0]) data = pd.concat([data, df]) data.drop(df.columns[0], axis=1, inplace=True) df.sort_values(by=1, ascending=False, inplace=True) data.iloc[:, 0] = data.iloc[:, 0].str.lower() data.to_csv('E:/py卓望/数据分析/all/all_file.txt', sep=',', index=False,header=False) all = pd.read_csv('E:/py卓望/数据分析/all/all_file.txt', header=None, delimiter=',') all[0] = all[0].str.split('.') all[0] = all[0].apply( lambda x: '.'.join(x[-3:]) if '.'.join(x[-2:]) in ['gov.cn', 'com.cn', 'org.cn', 'net.cn'] else '.'.join(x[-2:])) new_col = all[0] result = pd.concat([new_col,all.iloc[:,1:]],axis=1) result.to_csv('E:/py卓望/数据分析/all/二级域名.txt', sep=',',index=False,header=False) summation = pd.read_csv('E:/py卓望/数据分析/all/二级域名.txt', header=None, delimiter=',') grouped = summation.groupby(0)[1].sum().reset_index() grouped = grouped.sort_values(by=1, ascending=False).reset_index(drop=True) grouped[1] = grouped[1].fillna(summation[1]) grouped.to_csv('E:/py卓望/数据分析/all/处理后求和域名.txt', sep=',', index=False, header=False) top_10000 = pd.read_csv('E:/py卓望/数据分析/all/处理后求和域名.txt', header=None, delimiter=',') alls = top_10000.nlargest(10000, 1) alls.drop(columns=[1], inplace=True) alls.to_csv('E:/py卓望/数据分析/all/data.txt', sep=',',index=False, header=False) final = top_10000.iloc[10000:] final.drop(columns=[1], inplace=True) final.to_csv('E:/py卓望/数据分析/all/final_data.txt', sep=',',index=False, header=False) print(final.to_csv) def main(): print("开始清洗域名文件") com() print("数据清洗完毕") if __name__ == "__main__": main() ``` 这样就可以在运行脚本时忽略所有警告了。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值