Pandas.DataFrame如何重置列的行名

本文小編為大家詳細介紹“Pandas.DataFrame如何重置列的行名”，內(nèi)容詳細，步驟清晰，細節(jié)處理妥當，希望這篇“Pandas.DataFrame如何重置列的行名”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

pandas.DataFrame中的現(xiàn)有列分配給索引index（行名，行標簽）。為索引指定唯一的名稱很方便，因為使用loc，at選擇（提?。┰貢r很容易理解。

將描述以下內(nèi)容。

set_index（）的使用方法

• 基本用法

• 將指定的列保留為數(shù)據(jù)：參數(shù)drop

• 分配多索引

• 將索引更改為另一列（重置）

• 更改原始對象：參數(shù)inplace

讀取csv文件等時指定索引

使用索引（行名）提?。ㄟx擇）行和元素

了解如何更改索引的一部分或將整個列表替換為列表等，而不是將現(xiàn)有列分配給索引。

Pandas.DataFrame的行名和列名的修改

以下面的數(shù)據(jù)為例。

import pandas as pd

df = pd.read_csv('./data/22/sample_pandas_normal.csv')
print(df)
#       name  age state  point
# 0    Alice   24    NY     64
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 3     Dave   68    TX     70
# 4    Ellen   24    CA     88
# 5    Frank   30    NY     57

set_index（）的使用方法

基本用法

在第一個參數(shù)鍵中指定用作索引的列的列名（列標簽）。指定的列設置為索引。

df_i = df.set_index('name')
print(df_i)
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

將指定的列保留為數(shù)據(jù)：參數(shù)drop

默認情況下，如上例所示，從數(shù)據(jù)列中刪除指定的列。如果參數(shù)drop = False，則指定的列將設置為index，并且也將保留在data列中。

df_id = df.set_index('name', drop=False)
print(df_id)
#             name  age state  point
# name                              
# Alice      Alice   24    NY     64
# Bob          Bob   42    CA     92
# Charlie  Charlie   18    CA     70
# Dave        Dave   68    TX     70
# Ellen      Ellen   24    CA     88
# Frank      Frank   30    NY     57

分配多索引

如果在第一個參數(shù)鍵中指定了列名列表（列標簽），則將多列分配為多索引。

df_mi = df.set_index(['state', 'name'])
print(df_mi)
#                age  point
# state name               
# NY    Alice     24     64
# CA    Bob       42     92
#       Charlie   18     70
# TX    Dave      68     70
# CA    Ellen     24     88
# NY    Frank     30     57

使用sort_index（）排序時，它可以整齊顯示。

df_mi.sort_index(inplace=True)
print(df_mi)
#                age  point
# state name               
# CA    Bob       42     92
#       Charlie   18     70
#       Ellen     24     88
# NY    Alice     24     64
#       Frank     30     57
# TX    Dave      68     70

使用sort_values（）對行進行排序以進行說明。有關排序的詳細信息，請參見以下文章。

pandas.DataFrame，Series排序（sort_values，sort_index）

默認情況下，如果在set_index（）中指定一列，則原始索引將被刪除。

print(df_i)
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

df_ii = df_i.set_index('state')
print(df_ii)
#        age  point
# state            
# NY      24     64
# CA      42     92
# CA      18     70
# TX      68     70
# CA      24     88
# NY      30     57

如果將參數(shù)append設置為True，則除了原始索引之外，還將將指定的列添加為新的層次結構索引。

df_mi = df_i.set_index('state', append=True)
print(df_mi)
#                age  point
# name    state            
# Alice   NY      24     64
# Bob     CA      42     92
# Charlie CA      18     70
# Dave    TX      68     70
# Ellen   CA      24     88
# Frank   NY      30     57

添加的列是最底層。使用swaplevel（）切換圖層。

print(df_mi.swaplevel(0, 1))
#                age  point
# state name               
# NY    Alice     24     64
# CA    Bob       42     92
#       Charlie   18     70
# TX    Dave      68     70
# CA    Ellen     24     88
# NY    Frank     30     57

將索引更改為另一列（重置）

與前面的示例一樣，如果使用set_index（）指定列，則原始索引將被刪除。

如果要保留原始索引，請使用reset_index（），它會從0開始按順序對索引重新編號。

print(df_i)
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

df_ri = df_i.reset_index()
print(df_ri)
#       name  age state  point
# 0    Alice   24    NY     64
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 3     Dave   68    TX     70
# 4    Ellen   24    CA     88
# 5    Frank   30    NY     57

如果要將索引更改（重置）到另一列，請在reset_index（）之后使用set_index（）。如果一次性全部編寫，將如下所示。

df_change = df_i.reset_index().set_index('state')
print(df_change)
#           name  age  point
# state                     
# NY       Alice   24     64
# CA         Bob   42     92
# CA     Charlie   18     70
# TX        Dave   68     70
# CA       Ellen   24     88
# NY       Frank   30     57

請注意，為方便起見，在此示例中將具有重疊值的列設置為索引，但是如果索引值不重疊（每個值都是唯一的），則更容易選擇數(shù)據(jù)。

另請參見以下有關reset_index（）的文章。

Pandas.DataFrame,重置Series的索引index(reset_index)

更改原始對象：參數(shù)inplace

默認情況下，set_index（）不會更改原始對象并返回新對象，但是如果inplace參數(shù)為True，則原始對象將被更改。

df.set_index('name', inplace=True)
print(df)
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

讀取csv文件等時指定索引

從csv文件等中讀取并生成pandas.DataFrame或pandas.Series時，如果原始文件包含要用作索引的列，則可以在讀取時指定該列。

使用read_csv（）讀取文件時，在參數(shù)index_col中指定一個列號，該列即成為索引。

df = pd.read_csv('./data/22/sample_pandas_normal.csv', index_col=0)
print(df)
#          age state  point
# name
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

有關讀取csv和tsv文件的詳細信息，請參見以下文章。

Pandas讀取csv/tsv文件（read_csv，read_table）

使用索引（行名）提取（選擇）行和元素

與前面的示例一樣，如果在索引（行名，行標簽）中指定唯一的字符串，則可以按名稱提?。ㄟx擇）行或元素。

print(df)
#          age state  point
# name                     
# Alice     24    NY     64
# Bob       42    CA     92
# Charlie   18    CA     70
# Dave      68    TX     70
# Ellen     24    CA     88
# Frank     30    NY     57

print(df.loc['Bob'])
# age      42
# state    CA
# point    92
# Name: Bob, dtype: object

print(df.at['Bob', 'age'])
# 42

讀到這里，這篇“Pandas.DataFrame如何重置列的行名”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內(nèi)容的文章，歡迎關注億速云行業(yè)資訊頻道。