python reset_index()_Python-pandas--set_index与reset_index

set_index()

函数原型：DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

参数解释：

keys：列标签或列标签/数组列表，需要设置为索引的列

drop：默认为True，删除用作新索引的列

append：默认为False，是否将列附加到现有索引

inplace：默认为False，适当修改DataFrame(不要创建新对象)

verify_integrity：默认为false，检查新索引的副本。否则，请将检查推迟到必要时进行。将其设置为false将提高该方法的性能。

入门级api

#!/usr/bin/python3

# -*- coding: utf-8 -*-

# @Time : 2019-06-06 13:09

# @Author : LiYahui

# @Description : set_index demo

import pandas as pd

data = {'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5', 'A6', 'A7', 'A8', 'A9', 'A10', 'A11'],

'B': ['B0', 'B1', 'B2', 'B3', 'B4', 'B5', 'B6', 'B7', 'B8', 'B9', 'B10', 'B11'],

'C': ['C0', 'C1', 'C2', 'C3', 'C4', 'C5', 'C6', 'C7', 'C8', 'C9', 'C10', 'C11'],

'D': ['D0', 'D1', 'D2', 'D3', 'D4', 'D5', 'D6', 'D7', 'D8', 'D9', 'D10', 'D11']}

df = pd.DataFrame(data)

# print(df)

'''

A B C D

0 A0 B0 C0 D0

1 A1 B1 C1 D1

2 A2 B2 C2 D2

3 A3 B3 C3 D3

4 A4 B4 C4 D4

5 A5 B5 C5 D5

6 A6 B6 C6 D6

7 A7 B7 C7 D7

8 A8 B8 C8 D8

9 A9 B9 C9 D9

10 A10 B10 C10 D10

11 A11 B11 C11 D11

'''

# drop=True

df1 = df.set_index("A", drop=True, append=False, inplace=False, verify_integrity=False)

# print(df1)

'''

B C D

A

A0 B0 C0 D0

A1 B1 C1 D1

A2 B2 C2 D2

A3 B3 C3 D3

A4 B4 C4 D4

A5 B5 C5 D5

A6 B6 C6 D6

A7 B7 C7 D7

A8 B8 C8 D8

A9 B9 C9 D9

A10 B10 C10 D10

A11 B11 C11 D11

'''

# drop=False

df2 = df.set_index("A", drop=False, append=False, inplace=False, verify_integrity=False)

# print(df2)

'''

A B C D

A

A0 A0 B0 C0 D0

A1 A1 B1 C1 D1

A2 A2 B2 C2 D2

A3 A3 B3 C3 D3

A4 A4 B4 C4 D4

A5 A5 B5 C5 D5

A6 A6 B6 C6 D6

A7 A7 B7 C7 D7

A8 A8 B8 C8 D8

A9 A9 B9 C9 D9

A10 A10 B10 C10 D10

A11 A11 B11 C11 D11

'''

# append=True

df3 = df.set_index("A", drop=False, append=True, inplace=False, verify_integrity=False)

# print(df3)

'''

A B C D

A

0 A0 A0 B0 C0 D0

1 A1 A1 B1 C1 D1

2 A2 A2 B2 C2 D2

3 A3 A3 B3 C3 D3

4 A4 A4 B4 C4 D4

5 A5 A5 B5 C5 D5

6 A6 A6 B6 C6 D6

7 A7 A7 B7 C7 D7

8 A8 A8 B8 C8 D8

9 A9 A9 B9 C9 D9

10 A10 A10 B10 C10 D10

11 A11 A11 B11 C11 D11

'''

# inplance=True

df4 = df.set_index("A", drop=False, append=True, inplace=True, verify_integrity=False)

print(df4)

# 不知道为什么

'''

None

'''

reset_index()

函数原型:DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

参数解释:

level：int、str、tuple或list，默认无，仅从索引中删除给定级别。默认情况下移除所有级别。控制了具体要还原的那个等级的索引

drop：drop为False则索引列会被还原为普通列，否则会丢失

inplace：默认为false，适当修改DataFrame(不要创建新对象)

col_level：int或str，默认值为0，如果列有多个级别，则确定将标签插入到哪个级别。默认情况下，它将插入到第一级。

col_fill：对象，默认‘’，如果列有多个级别，则确定其他级别的命名方式。如果没有，则重复索引名

注：reset_index还原分为两种类型，第一种是对原DataFrame进行reset，第二种是对使用过set_index()函数的DataFrame进行reset

#!/usr/bin/python3

# -*- coding: utf-8 -*-

# @Time : 2019-06-06 13:21

# @Author : LiYahui

# @Description : reset_index demo

import pandas as pd

data = {'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5', 'A6', 'A7', 'A8', 'A9', 'A10', 'A11'],

'B': ['B0', 'B1', 'B2', 'B3', 'B4', 'B5', 'B6', 'B7', 'B8', 'B9', 'B10', 'B11'],

'C': ['C0', 'C1', 'C2', 'C3', 'C4', 'C5', 'C6', 'C7', 'C8', 'C9', 'C10', 'C11'],

'D': ['D0', 'D1', 'D2', 'D3', 'D4', 'D5', 'D6', 'D7', 'D8', 'D9', 'D10', 'D11']}

df = pd.DataFrame(data)

# print(df)

'''

A B C D

0 A0 B0 C0 D0

1 A1 B1 C1 D1

2 A2 B2 C2 D2

3 A3 B3 C3 D3

4 A4 B4 C4 D4

5 A5 B5 C5 D5

6 A6 B6 C6 D6

7 A7 B7 C7 D7

8 A8 B8 C8 D8

9 A9 B9 C9 D9

10 A10 B10 C10 D10

11 A11 B11 C11 D11

'''

# drop=True

df1 = df.set_index("A", drop=True, append=False, inplace=False, verify_integrity=False)

# print(df1)

'''

B C D

A

A0 B0 C0 D0

A1 B1 C1 D1

A2 B2 C2 D2

A3 B3 C3 D3

A4 B4 C4 D4

A5 B5 C5 D5

A6 B6 C6 D6

A7 B7 C7 D7

A8 B8 C8 D8

A9 B9 C9 D9

A10 B10 C10 D10

A11 B11 C11 D11

'''

# drop=False

df2 = df1.reset_index(drop=False)

# print(df2)

'''

A B C D

0 A0 B0 C0 D0

1 A1 B1 C1 D1

2 A2 B2 C2 D2

3 A3 B3 C3 D3

4 A4 B4 C4 D4

5 A5 B5 C5 D5

6 A6 B6 C6 D6

7 A7 B7 C7 D7

8 A8 B8 C8 D8

9 A9 B9 C9 D9

10 A10 B10 C10 D10

11 A11 B11 C11 D11

'''

# drop=True

df3=df1.reset_index(drop=True)

# print(df3)

'''

B C D

0 B0 C0 D0

1 B1 C1 D1

2 B2 C2 D2

3 B3 C3 D3

4 B4 C4 D4

5 B5 C5 D5

6 B6 C6 D6

7 B7 C7 D7

8 B8 C8 D8

9 B9 C9 D9

10 B10 C10 D10

11 B11 C11 D11

'''

df4=df.reset_index(drop=False)

# print(df4)

'''

index A B C D

0 0 A0 B0 C0 D0

1 1 A1 B1 C1 D1

2 2 A2 B2 C2 D2

3 3 A3 B3 C3 D3

4 4 A4 B4 C4 D4

5 5 A5 B5 C5 D5

6 6 A6 B6 C6 D6

7 7 A7 B7 C7 D7

8 8 A8 B8 C8 D8

9 9 A9 B9 C9 D9

10 10 A10 B10 C10 D10

11 11 A11 B11 C11 D11

'''

df5=df.reset_index(drop=True)

print(df5)

'''

A B C D

0 A0 B0 C0 D0

1 A1 B1 C1 D1

2 A2 B2 C2 D2

3 A3 B3 C3 D3

4 A4 B4 C4 D4

5 A5 B5 C5 D5

6 A6 B6 C6 D6

7 A7 B7 C7 D7

8 A8 B8 C8 D8

9 A9 B9 C9 D9

10 A10 B10 C10 D10

11 A11 B11 C11 D11

'''

添加多个字段的index

demo级别的代码

#!/usr/bin/python3

# -*- coding: utf-8 -*-

# @Time : 2019-06-06 13:28

# @Author : LiYahui

# @Description : reset_index_demo2

import pandas as pd

data = {'a': ['bar', 'bar', 'foo', 'foo'],

'b': ['one', 'two', 'one', 'two'],

'c': ['z', 'x', 'y', 'w'],

'd': [1.0, 2.0, 3.0, 4.0]}

df = pd.DataFrame(data)

# print(df)

'''

a b c d

0 bar one z 1.0

1 bar two x 2.0

2 foo one y 3.0

3 foo two w 4.0

'''

df1 = df.set_index(['a', 'b'])

# print(df1)

'''

c d

a b

bar one z 1.0

two x 2.0

foo one y 3.0

two w 4.0

'''

df2 = df1.reset_index()

# print(df2)

'''

a b c d

0 bar one z 1.0

1 bar two x 2.0

2 foo one y 3.0

3 foo two w 4.0

'''

df3 = df1.reset_index(['a', 'b'])

print(df3)

'''

a b c d

0 bar one z 1.0

1 bar two x 2.0

2 foo one y 3.0

3 foo two w 4.0

'''

df4 = df1.reset_index('a')

# print(df4)

'''

a c d

b

one bar z 1.0

two bar x 2.0

one foo y 3.0

two foo w 4.0

'''

df5=df1.reset_index('b')

print(df5)

'''

b c d

a

bar one z 1.0

bar two x 2.0

foo one y 3.0

foo two w 4.0

'''