pandas笔记2---reset_index函数drop与inplace参数的理解

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. inplace参数的理解：

修改一个对象时：
      inplace=True：不创建新的对象，直接对原始对象进行修改；
      inplace=False：对数据进行修改，创建并返回新的对象承载其修改结果。

我相信如果你是刚刚接触到这个函数的话，会一脸懵逼的，特别是看到有的例子没有给inplace参数赋值，有的却给了，本文会结合代码给出合理的解释。

1. reset_index函数：

import pandas as pd
import sys

df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']})

df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']})

df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']})

frames = [df1, df2, df3]
result = pd.concat(frames)#合并，列不变。

先将就着看。。有空再更