DataFrame 的索引转换为列

创建时间: March-28, 2020 | 更新时间: June-25, 2020

我们将介绍将 Pandas DataFrame 的索引转换为列的各种方法，例如 df.index，带有 rename_axis 的 reset_index 来重命名索引，以及 set_index。

我们还将介绍如何将多索引应用于具有多层索引的给定 DataFrame。

df.index 将索引添加为新列

将索引添加为列的最简单方法是将 df.index 作为新列添加到 Dataframe。

考虑以下代码：

# python 3.ximport pandas as pddf = pd.DataFrame([    (1,2,None),    (None,4,None),    (5,None,7),    (5,None,None)    ],columns=['a','b','d'])df['index'] = df.indexprint(df)

输出：

a    b    d  index10  1.0  2.0  NaN       01  NaN  4.0  NaN       12  5.0  NaN  7.0       23  5.0  NaN  NaN       3

使用带有 rename axis 的 reset_index 重命名当前索引列名

我们可以更改索引的名称，然后将 reset_index 更改为一系列：

# python 3.ximport pandas as pddf = pd.DataFrame([    (1,2,None),    (None,4,None),    (5,None,7),    (5,None,None)],     columns=['a','b','d'])df = df.rename_axis('index').reset_index()print(df)

输出：

index    a    b    d0      0  1.0  2.0  NaN1      1  NaN  4.0  NaN2      2  5.0  NaN  7.03      3  5.0  NaN  NaN

set_index 方法将列转换为索引

我们可以使用 set_index 方法将任何列转换为 index：

# python 3.ximport pandas as pddf = pd.DataFrame([    (1,2,None),    (None,4,None),    (5,4,7),    (5,5,None)],     columns=['a','b','d'])df.set_index('b',inplace=True)print(df)

输出：

a    db          2  1.0  NaN4  NaN  NaN4  5.0  7.05  5.0  NaN

或者，如果我们要删除索引名，如原始文件中那样，则可以执行 df.index.name = None：

# python 3.ximport pandas as pddf = pd.DataFrame([    (1,2,None),    (None,4,None),    (5,4,7),    (5,5,None)    ],columns=['a','b','d'])df.set_index('b',inplace=True)df.index.name = Noneprint(df)

输出：

a    d2  1.0  NaN4  NaN  NaN4  5.0  7.05  5.0  NaN

MultiIndex 可在 column 上设置 indexs 的多层索引

我们可以使用 MultiIndex.from_product() 函数创建一个 MultiIndex，如下所示：

# python 3.ximport pandas as pdimport numpy as npindex = pd.MultiIndex.from_product([    ['Burger', 'Steak', 'Sandwich'],     ['Half', 'Full']],     names=['Item', 'Type'])df = pd.DataFrame(index=index,                   data=np.random.randint                  (0, 10, (6,4)),                   columns=list('abcd'))print(df)

输出：

a  b  c  dItem     Type            Burger   Half  0  3  9  1         Full  2  2  0  5Steak    Half  8  4  5  5         Full  5  8  0  7Sandwich Half  2  8  9  5         Full  4  4  5  9

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。