DataFrame数据索引转换成列或列转换成数据索引

DataFrame数据集索引转换和重命名

DataFrame数据结构类型我们常见的excel表格一样，直观简单利于理解。
该数据集有行和列及索引的概念。
我们在数据操作中常常需要进行的对数据集进行分组统计之类。这时就很涉及到数据集改变之后数据索引也可能随之改变。

1.查看数据索引列

col_name = bin_df.index.name
print(‘col_name:’,col_name)
print(bin_df)
注：bin_df是数据集

发现索引列是我们关心的age列，需要将其转换成特征列，即:reset_index()

bin_df = bin_df.reset_index()
col_name = bin_df.index.name
print(‘col_name:’,col_name)
print(bin_df)

结果如下：发现age已经转换成特征列。

2.给数据集重新命名新的索引列

print(‘col_name:’, bin_df.index.name)
bin_df.index.name = ‘num’
print(bin_df)
print(‘col_name:’, bin_df.index.name)

结果如下：修改索引成功！

3.指定多个列作为多级索引

bin_df = bin_df.set_index([‘age’,‘woe’])
print(bin_df)
print(‘col_name:’, bin_df.index.names)

结果如下：需要注意的是多层索引名的输出时用的是bin_df.index.names

同时保留作为索引的列

bin_df = bin_df.set_index([‘age’,‘woe’],drop=False)
print(bin_df)
print(‘col_name:’, bin_df.index.names)

注：drop= False，在列中保留了作为索引的列，等于True时直接删除。

4. 使用rename方法：

DataFrame.rename（mapper = None，index = None，columns = None，axis = None，copy = True，inplace = False，level = None ）
参数介绍：
mapper，index，columns：可以任选其一使用，可以是将index和columns结合使用。index和column直接传入mapper或者字典的形式。
axis：int或str，与mapper配合使用。可以是轴名称（‘index’，‘columns’）或数字（0,1）。默认为’index’。
copy：boolean，默认为True，是否复制基础数据。
inplace：布尔值，默认为False，是否返回新的DataFrame。如果为True，则忽略复制值。