参数

keys : 要设置为索引的列名（如有多个应放在一个列表里）
drop : 将设置为索引的列删除，默认为True
append : 是否将新的索引追加到原索引后（即是否保留原索引），默认为False
inplace : 是否在原DataFrame上修改，默认为False
verify_integrity : 是否检查索引有无重复，默认为False

示例

参数keys

keys指定的列将被设置为索引

import pandas as pddata = pd.DataFrame([['Alice', 'Math', 93], ['Bob', 'Physics', 98], ['Chris', 'Chemistry', 96], ['David', 'Biology', 90]],columns=['Name', 'Subject', 'Score'])
print(data)
print('\n')data1 = data.set_index(keys='Name')
print(data1)

输出：

参数drop

将设置为索引的列删除，默认为True

import pandas as pddata = pd.DataFrame([['Alice', 'Math', 93], ['Bob', 'Physics', 98], ['Chris', 'Chemistry', 96], ['David', 'Biology', 90]],columns=['Name', 'Subject', 'Score'])
print(data)
print('\n')data1 = data.set_index(keys='Name')
print(data1)
print('\n')data2 = data.set_index(keys='Name', drop=False)
print(data2)

输出：

参数append

原索引是否保留。True为保留，默认为False

import pandas as pddata = pd.DataFrame([['Alice', 'Math', 93], ['Bob', 'Physics', 98], ['Chris', 'Chemistry', 96], ['David', 'Biology', 90]],columns=['Name', 'Subject', 'Score'])
print(data)
print('\n')data1 = data.set_index(keys='Name')
print(data1)
print('\n')data2 = data.set_index(keys='Name', append=True)
print(data2)

输出：

参数inplace

是否在原DataFrame上修改，默认为False

import pandas as pddata = pd.DataFrame([['Alice', 'Math', 93], ['Bob', 'Physics', 98], ['Chris', 'Chemistry', 96], ['David', 'Biology', 90]],columns=['Name', 'Subject', 'Score'])
print(data)
print('\n')data1 = data.set_index(keys='Name')
print(data1)
print('\n')data2 = data.set_index(keys='Name', inplace=True)
print(data2)
print(data)

输出：

参数verify_integrity

是否检查索引有无重复，默认为False，若设置为True会影响程序性能，慎用

import pandas as pddata = pd.DataFrame([['Alice', 'Math', 93], ['Bob', 'Physics', 98], ['Chris', 'Chemistry', 96], ['Chris', 'Biology', 90]],columns=['Name', 'Subject', 'Score'])
print(data)
print('\n')data1 = data.set_index(keys='Name')
print(data1)
print('\n')data2 = data.set_index(keys='Name', verify_integrity=True)
print(data2)

输出：

注意：虽然输出的DataFrame中Name与其他列的列名不在同一行，好像属于两个不同的level，其实并不是，如果我们再用reset_index将Name取消索引，并尝试将它插入第二级（level=1），我们会发现Name最后和其他列名同属第一级（关于参数的含义请参考reset_index函数详解）：

import pandas as pddata = pd.DataFrame([['Alice', 'Math', 93], ['Bob', 'Physics', 98], ['Chris', 'Chemistry', 96], ['Chris', 'Biology', 90]],columns=['Name', 'Subject', 'Score'])
print(data)
print('\n')data1 = data.set_index(keys='Name')
print(data1)
print('\n')data2 = data1.reset_index(col_level=2)
print(data2)

输出：

【pandas】set_index函数详解相关推荐

blankcount函数python,Python pandas常用函数详解
本文研究的主要是pandas常用函数,具体介绍如下. 1 import语句 2 文件读取 df = pd.read_csv(path='file.csv') 参数:header=None 用默认列名, ...
pandas常用函数详解
1 import语句 import pandas as pd import numpy as np import matplotlib.pyplot as plt import datetime im ...
python pandas常用函数_Python pandas常用函数详解
df.duplicated() 返回各行是否是上一行的重复行 df.drop_duplicates() 删除重复行,如果需要按照列过滤,参数选填['col1', 'col2',-]df.fillna( ...
pythonpandas函数详解_对pandas中Series的map函数详解
Series的map方法可以接受一个函数或含有映射关系的字典型对象. 使用map是一种实现元素级转换以及其他数据清理工作的便捷方式. (DataFrame中对应的是applymap()函数,当然Dat ...
Python之pandas：pandas中缺失值与空值处理的简介及常用函数(drop()、dropna()、isna()、isnull()、fillna())函数详解之详细攻略
Python之pandas:pandas中缺失值与空值处理的简介及常用函数(drop().dropna().isna().isnull().fillna())函数详解之详细攻略目录 pandas中缺 ...
【Pandas 数据查找函数详解】
本文介绍了Pandas数据查找常用函数,掌握了这些函数的应用,让你在数据处理时,手到擒来,游刃有余. 目录一.查找数据位置 s.str.find()和s.str.index()函数二.数据的查找判 ...
pandas：案例详解 rename函数修改列名和行名
pandas:案例详解rename函数修改列名和索引 rename函数简介 0 构建学习数据 1 修改索引两种方式 2 修改列名两种方式 3 是否替换原列表 3 pandas 字母转换大小写 3 使 ...
[Python3]pandas.merge用法详解
摘要数据分析与建模的时候大部分时间在数据准备上,包括对数据的加载.清理.转换以及重塑.pandas提供了一组高级的.灵活的.高效的核心函数,能够轻松的将数据规整化.这节主要对pandas合并数据集的 ...
pytorch函数详解
pytorch函数详解在typora这里写之后复制到简书上 1. torchvision 1.1 transforms.Compose(transforms) 把几个转换组合 example: fr ...
C语言网络编程：accept函数详解
文章目录前言函数描述代码实例如何得到客户端的IP 和端口号前言当使用tcp服务器使用socket创建通信文件描述符,bind绑定了文件描述符,服务器ip和端口号,listen将服务器端的 ...

【pandas】set_index函数详解

参数

示例