pandas 将指定列和行作为index和columns

将指定行作为columns:

#set 第0行作为column名。axis=1,列变换
#有时候inplace=True的时候遇到了问题,这里inplace= False保留了第0行,然后drop掉第0行,比较安全。

pd1=pd.set_axis(pd.iloc[0],axis=1,inplace= False)  
pd1=pd1.drop(index=0) 

#set “names列作为index名。这里直接drop了第0行,目前没有遇到过问题。

pd=pd.set_index('names',drop=True)

#小结:set_index 行名 set_axis 列名和行名
*# 这里set_index的参数可以用’names’,相对更简单。set_axis 对参数的要求稍微繁琐一些。

  • 8
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Pandas 中,DataFrame 中的每一都有一个索引(column index),而每一都有一个索引(row index),这些索引用于标识 DataFrame 中的数据。 索引是一个包含标签(column label)的 Index 对象,可以使用 `df.columns` 属性来访问它,其中 df 是 DataFrame 对象。索引是一个包含标签(row label)的 Index 对象,可以使用 `df.index` 属性来访问它。 索引和索引都遵循以下规则: 1. 索引可以是任何 hashable 的对象,通常使用字符串或整数作为索引。如果没有显式指定索引,则使用默认的整数索引,从 0 开始递增。 2. 索引对象是不可变的,不能直接修改索引的值。如果需要修改索引,需要先创建一个新的索引对象。 3. 索引对象可以包含重复的标签,但是在某些操作中可能会出现问题。为了避免这种情况,可以使用 `duplicated()` 和 `drop_duplicates()` 方法来检测和删除重复的标签。 4. 索引对象可以使用切片(slice)来进筛选或切片操作,也可以使用布尔索引进过滤。 5. 所有的 Pandas 函数和方法都支持使用索引和索引进数据选择和操作。 6. 索引对象可以使用 `set_index()` 方法来更改 DataFrame 的索引,也可以使用 `reset_index()` 方法来重置索引。索引只能通过修改 `df.columns` 属性来更改。 总之,索引是 Pandas 中非常重要的概念,可以帮助我们对数据进快速的查询、切片和操作。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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