关于Python中set_index和reset_index的用法

简述：

当我们需要对数据表索引进行设定时，常用到set_index()和reset_index()函数进行索引设置,下面通过简单的例子分析进一步了解其用法。

创建一个数据表：

import pandas as pd
import numpy as np
df = pd.DataFrame({
    'Country':['China','India','Japan','America','China','Japan','America'],
    'Income':[10000,13000,5000,79000,13000,8000,11000],
    'Age':[45,48,58,47,32,39,26]
})
df

set_index()

函数体与默认参数

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

参数：

keys：列标签或数组列表，需要设置为索引的列

drop：默认为True，删除用作新索引的列

append：是否将列附加到现有索引，默认为False。

inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。

verify_integrity：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，默认为false。

设置索引

将Country 作为索引值

# df_Contry = df.set_index('Country',drop=True,append=False,inplace=False,verify_integrity=False)
df_new1 = df.set_index('Country')
df_new1

与原表相比，Country代替了索引，而且删除了作为索引的列。

drop=False

df_new2 = df.set_index('Country',drop=False)
df_new2

可以看出，作为索引的列Country被保留下来了。

append=False

# append=False
df_new3 = df.set_index('Country',append=False)
df_new3

因为默认参数为append=False，与df_new1是一样的。

append=True

# append=True
df_new4 = df.set_index('Country',append=True)
df_new4

可以看到：因为指定了append=True，所以将列附加到了现有索引

reset_index()

主题函数与默认参数

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

参数：

level：数值类型可以为：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：当指定drop=False时，则索引列会被还原为普通列；否则，经设置后的新索引值被会丢弃。默认为False。

inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。

col_level：数值类型为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。

reset_index()的还原

经过set_index()处理过的数据表

还原

注意观察：是不是和原表df一样？还原时的参数drop=False。

drop=False

df_new03 = df.reset_index(drop=False)
df_new03

可以观察到：index也会作为新列保留下来，同时在新列上进行了重置索引。

drop=True

# drop=True
df_new04 = df.reset_index(drop=True)
df_new04

与原表是没有区别的，因为默认的参数drop=True