pandas中index对象是不可修改的,但是为什么可以通过赋值修改呢?

Index对象负责管理轴标签、轴名称等元数据,是一个不可修改的、有序的、可以索引的ndarry对象。在构建Sereis或DataFrame时,所用到的任何数据或者array-like的标签,都会转换为一个Index对象。Index对象是一个从索引到数据值的映射,当数据是一列时,Index是列索引;当数据是一行数据时,Index是行索引。

Pandas中的df.columns = [‘a’,’b’,’c’]函数的作用是重命名列名。

index是不可修改的,通过reindex只是重新索引。重新索引的概念是对原索引和新的索引进行匹配,即:新索引中含有原索引数据,则原索引数据按新索引排序;新索引中无原索引数据,则添加新索引,值填充为NaN或者根据fill_values决定(类似于sql中的right join功能)。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
`set_index()` 是 Pandas 用于设置索引的函数,它用于将某些列或者列的组合作为索引,并返回一个新的 DataFrame。`set_index()` 函数可以设置多个索引,也可以设置单个索引。`inplace` 参数是一个可选参数,它用于指定是否在原始 DataFrame 上进行操作。 如果 `inplace=True`,则会在原始 DataFrame 上进行操作,即直接修改原始 DataFrame 的索引,并返回 `None`。这种情况下,不需要将结果赋值给一个新的量。例如: ``` import pandas as pd df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) df.set_index('A', inplace=True) ``` 这个代码会将 `A` 列作为索引,直接修改原始 DataFrame,并将其赋值给 `df`。现在,`df` 的索引为 `[1, 2, 3]`。 如果 `inplace=False`,则会返回一个新的 DataFrame,并保留原始 DataFrame 不。这种情况下,需要将结果赋值给一个新的量。例如: ``` import pandas as pd df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) new_df = df.set_index('A', inplace=False) ``` 这个代码会将 `A` 列作为索引,返回一个新的 DataFrame,并将其赋值给 `new_df`。现在,`df` 的索引仍然为 `[0, 1, 2]`,而 `new_df` 的索引为 `[1, 2, 3]`。 总之,`inplace` 参数用于指定是否在原始 DataFrame 上进行操作。如果 `inplace=True`,则会在原始 DataFrame 上进行操作,并返回 `None`;如果 `inplace=False`,则会返回一个新的 DataFrame,并保留原始 DataFrame 不

“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