pandas中关于set_index和reset_index的用法

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) 
append添加新索引，drop为False，inplace为True时，索引将会还原为列

[python]  view plain  copy

 print ?

1. In [307]: data  
2. Out[307]:   
3.      a    b  c    d  
4. 0  bar  one  z  1.0  
5. 1  bar  two  y  2.0  
6. 2  foo  one  x  3.0  
7. 3  foo  two  w  4.0  
8.   
9. In [308]: indexed1 = data.set_index('c')  
10.   
11. In [309]: indexed1  
12. Out[309]:   
13.      a    b    d  
14. c                 
15. z  bar  one  1.0  
16. y  bar  two  2.0  
17. x  foo  one  3.0  
18. w  foo  two  4.0  
19.   
20. In [310]: indexed2 = data.set_index(['a', 'b'])  
21.   
22. In [311]: indexed2  
23. Out[311]:   
24.          c    d  
25. a   b            
26. bar one  z  1.0  
27.     two  y  2.0  
28. foo one  x  3.0  
29.     two  w  4.0  

2.reset_index

reset_index可以还原索引，从新变为默认的整型索引 
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=”) 
level控制了具体要还原的那个等级的索引 
drop为False则索引列会被还原为普通列，否则会丢失

[python]  view plain  copy

 print ?

1. In [318]: data  
2. Out[318]:   
3.          c    d  
4. a   b            
5. bar one  z  1.0  
6.     two  y  2.0  
7. foo one  x  3.0  
8.     two  w  4.0  
9.   
10. In [319]: data.reset_index()  
11. Out[319]:   
12.      a    b  c    d  
13. 0  bar  one  z  1.0  
14. 1  bar  two  y  2.0  
15. 2  foo  one  x  3.0  
16. 3  foo  two  w  4.0