总括

pandas里对索引的操作主要有

DataFrame.rename
DataFrame.rename_axis
DataFrame.reindex
DataFrame.reindex_axis
DataFrame.reset_index
pandas.Index.reindex
pandas.Index.set_names
其中1和2,是对索引的更改,原索引是不变的.3和4是增加和减少了索引,如果索引存在则还按照原来的值,如果不存在则填充空值.5是重新给索引.
1~5都返回的是数据框
6~7返回的是索引

rename

DataFrame.rename(index=None, columns=None, **kwargs)

参数

index, columns : scalar, list-like, dict-like or function, optional(Function/dict值必须是一对一)
copy : boolean, default True(复制底层函数)
inplace : boolean, default False(替换原对象)
level:int or level name, default None(多层索引时使用)

1.renamed : DataFrame (new object)

例子

In [1]: import pandas as pd...: df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})...: df
Out[1]: A  B
0  1  4
1  2  5
2  3  6In [2]: df.rename(index={0:3,1:4,2:5}, columns={"A": "a", "C": "c"})
Out[2]: a  B
3  1  4
4  2  5
5  3  6

rename_axis

DataFrame.rename_axis(mapper, axis=0, copy=True, inplace=False)

参数

mapper : scalar, list-like, dict-like or function, optional
axis : int or string, default 0
copy : boolean, default True
inplace : boolean, default False

renamed : type of caller

例子

In [1]: import pandas as pd...: df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})...: df
Out[1]: A  B
0  1  4
1  2  5
2  3  6In [2]: df.rename_axis({0:3,1:4,2:5})
Out[2]: A  B
3  1  4
4  2  5
5  3  6In [3]: df.rename_axis({"A": "a", "C": "c"},axis=1)
Out[3]: a  B
0  1  4
1  2  5
2  3  6

reindex

可以用来插值

DataFrame.reindex(index=None, columns=None, **kwargs)

参数

index, columns : array-like, optional (can be specified in order, or as
method : {None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’}, optional(填充设置)
copy : boolean, default True
level : int or name
fill_value : scalar, default np.NaN
limit : int, default None
tolerance : optional

reindexed : DataFrame

例子

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
df
Out[1]: A  B
0  1  4
1  2  5
2  3  6df.reindex(index=(1,2,3))
Out[2]: A    B
1  2.0  5.0
2  3.0  6.0
3  NaN  NaNdf.reindex(columns=("B","C"))
Out[3]: B   C
0  4 NaN
1  5 NaN
2  6 NaN

reindex_axis

DataFrame.reindex_axis(labels, axis=0, method=None, level=None, copy=True, limit=None, fill_value=nan)

参数

labels : array-like
axis : {0 or ‘index’, 1 or ‘columns’}
method : {None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’}, optional
copy : boolean, default True
level : int or name
limit : int, default None
tolerance : optional

reindexed : DataFrame

例子

In [1]: import pandas as pd...: df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})...: df
Out[1]: A  B
0  1  4
1  2  5
2  3  6In [2]: df.reindex_axis((1,2,3))
Out[2]: A    B
1  2.0  5.0
2  3.0  6.0
3  NaN  NaNIn [3]: df.reindex_axis(("B","C"),axis=1)
Out[3]: B   C
0  4 NaN
1  5 NaN
2  6 NaN

reset_index

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

参数

level : int, str, tuple, or list, default None
drop : boolean, default False
inplace : boolean, default False
col_level : int or str, default 0
col_fill : object, default ‘’

resetted : DataFrame

例子

In [1]: import pandas as pd...: df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})...: df=df.reindex_axis((1,2,3))...: df
Out[1]: A    B
1  2.0  5.0
2  3.0  6.0
3  NaN  NaNIn [2]: df.reset_index()
Out[2]: index    A    B
0      1  2.0  5.0
1      2  3.0  6.0
2      3  NaN  NaN

set_index

set_index方法是将某一列做为索引,而reset_index是从新按int升序的方式做了一个索引

Index.reindex

Index.reindex(target, method=None, level=None, limit=None, tolerance=None)

参数

target : an iterable

new_index : pd.Index
indexer : np.ndarray or None

例子

In [1]: import pandas as pd...: df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})...: df
Out[1]: A  B
0  1  4
1  2  5
2  3  6In [2]: df.index.reindex((1,2,3))
Out[2]: (Int64Index([1, 2, 3], dtype='int64'), array([ 1,  2, -1], dtype=int64))

Index.set_names

Index.set_names(names, level=None, inplace=False)

Pandas index详解相关推荐

Pandas知识点-详解行列级批处理函数apply
Pandas知识点-详解行列级批处理函数apply 在Pandas中,DataFrame和Series等对象需要执行批量处理操作时,可以借用apply()函数来实现. apply()的核心功能是实现& ...
Python 数据合并方法 —— Pandas concat() 详解
详解concat 参数说明 concat说明 ignore_index 示例 Example Reference 参数说明 pandas.concat(objs, axis=0, join='oute ...
python csv pandas_Python Pandas——Read_csv详解
目前最常用的数据保存格式可能就是CSV格式了,数据分析第一步就是获取数据,怎样读取数据至关重要. 本文将以pandas read_csv方法为例,详细介绍read_csv数据读取方法.再数据读取时进行 ...
pandas.read_csv() 详解与如何合适的读取行序号与列名
作为常用的函数,pandas.read_csv() 用于读取各种数据文件(.dat.txt.csv等),在这里做一个详细的解释. 灵活运用index_col与header准确的读取csv文件的行索引与 ...
Python之Pandas连接详解
一.关系型连接 1. 连接的基本概念把两张相关的表按照某一个或某一组键连接起来是一种常见操作,例如学生期末考试各个科目的成绩表按照姓名和班级连接成总的成绩表,又例如对企业员工的各类信息表按照员工ID ...
pandas.pivot_table详解
想必大家都用过excel, 肯定会熟悉excel中的透视表, python中pandas.pivot就是在DataFrame表格中实现这个操作, 什么? 连透视表都不知道? 没事,往下看就知道了目录 ...
python pandas库详解_Pandas 库的详解和使用补充
pandas 库总体说明 Pandas 基亍 NumPy.SciPy 补充了大量数据操作功能,能实现统计.凾组.排序.透规表,可以代替 Excel 的绛大部凾功能. Pandas 主要有 2 种重要 ...
Pandas MultiIndex 详解
文章目录 1. 什么是Index 2. 什么是MultiIndex 2.1 levels和codes的意义 1. 什么是Index 学习MultiIndex前,首先要看一下Index. Ind ...
pandas用法详解
一.生成数据表 1.首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 2.导入CSV或者xlsx文件 ...

Pandas index详解

总括

rename

参数

返回

例子

rename_axis

参数

返回

例子

reindex

参数

返回

例子

reindex_axis

参数

返回

例子

reset_index

参数

返回

例子

set_index

Index.reindex

参数

返回

例子

Index.set_names

Pandas index详解相关推荐

最新文章

热门文章