闽ICP备2020022160号-5
篇首语：本文由小编为大家整理，主要介绍了好习惯！pandas 8 个常用的 index 设置相关的知识，希望对你有一定的参考价值。
作者 | 东哥起飞
来源 | Python数据科学
在数据处理时，经常会因为index报错而发愁。不要紧，本次来和大家聊聊pandas中处理索引的几种常用方法。
很多情况下，我们的数据源是 CSV 文件。假设有一个名为的文件data.csv，包含以下数据。
date,temperature,humidity07/01/21,95,5007/02/21,94,5507/03/21,94,56默认情况下，pandas将会创建一个从0开始的索引行，如下：
>>> pd.read_csv("data.csv", parse_dates=["date"]) date temperature humidity0 2021-07-01 95 501 2021-07-02 94 552 2021-07-03 94 56但是，我们可以在导入过程中通过将index_col参数设置为某一列可以直接指定索引列。
>>> pd.read_csv("data.csv", parse_dates=["date"], index_col="date") temperature humiditydate 2021-07-01 95 502021-07-02 94 552021-07-03 94 56当然，如果已经读取数据或做完一些数据处理步骤后，我们可以通过set_index手动设置索引。
>>> df = pd.read_csv("data.csv", parse_dates=["date"])>>> df.set_index("date") temperature humiditydate 2021-07-01 95 502021-07-02 94 552021-07-03 94 56这里有两点需要注意下。
set_index方法默认将创建一个新的 DataFrame。如果要就地更改df的索引，需要设置inplace=True。
df.set_index(“date”, inplace=True)如果要保留将要被设置为索引的列，可以设置drop=False。
df.set_index(“date”, drop=False)在处理 DataFrame 时，某些操作（例如删除行、索引选择等）将会生成原始索引的子集，这样默认的数字索引排序就乱了。如要重新生成连续索引，可以使用reset_index方法。
>>> df0 = pd.DataFrame(np.random.rand(5, 3), columns=list("ABC"))>>> df0 A B C0 0.548012 0.288583 0.7342761 0.342895 0.207917 0.9954852 0.378794 0.160913 0.9719513 0.039738 0.008414 0.2265104 0.581093 0.750331 0.133022>>> df1 = df0[df0.index % 2 == 0]>>> df1 A B C0 0.548012 0.288583 0.7342762 0.378794 0.160913 0.9719514 0.581093 0.750331 0.133022>>> df1.reset_index(drop=True) A B C0 0.548012 0.288583 0.7342761 0.378794 0.160913 0.9719512 0.581093 0.750331 0.133022通常，我们是不需要保留旧索引的，因此可将drop参数设置为True。同样，如果要就地重置索引，可设置inplace参数为True，否则将创建一个新的 DataFrame。
groupby分组方法是经常用的。比如下面通过添加一个分组列team来进行分组。
>>> df0["team"] = ["X", "X", "Y", "Y", "Y"]>>> df0 A B C team0 0.548012 0.288583 0.734276 X1 0.342895 0.207917 0.995485 X2 0.378794 0.160913 0.971951 Y3 0.039738 0.008414 0.226510 Y4 0.581093 0.750331 0.133022 Y>>> df0.groupby("team").mean() A B Cteam X 0.445453 0.248250 0.864881Y 0.333208 0.306553 0.443828默认情况下，分组会将分组列编程index索引。但是很多情况下，我们不希望分组列变成索引，因为可能有些计算或者判断逻辑还是需要用到该列的。因此，我们需要设置一下让分组列不成为索引，同时也能完成分组的功能。
有两种方法可以完成所需的操作，第一种是用reset_index，第二种是在groupby方法里设置as_index=False。个人更喜欢第二种方法，它只涉及两个步骤，更简洁。
>>> df0.groupby("team").mean().reset_index() team A B C0 X 0.445453 0.248250 0.8648811 Y 0.333208 0.306553 0.443828>>> df0.groupby("team", as_index=False).mean() team A B C0 X 0.445453 0.248250 0.8648811 Y 0.333208 0.306553 0.443828当用sort_value排序方法时也会遇到这个问题，因为默认情况下，索引index跟着排序顺序而变动，所以是乱雪。如果我们希望索引不跟着排序变动，同样需要在sort_values方法中设置一下参数ignore_index即可。
>>> df0.sort_values("A") A B C team3 0.039738 0.008414 0.226510 Y1 0.342895 0.207917 0.995485 X2 0.378794 0.160913 0.971951 Y0 0.548012 0.288583 0.734276 X4 0.581093 0.750331 0.133022 Y>>> df0.sort_values("A", ignore_index=True) A B C team0 0.039738 0.008414 0.226510 Y1 0.342895 0.207917 0.995485 X2 0.378794 0.160913 0.971951 Y3 0.548012 0.288583 0.734276 X4 0.581093 0.750331 0.133022 Y删除重复项和排序一样，默认执行后也会打乱排序顺序。同理，可以在drop_duplicates方法中设置ignore_index参数True即可。
>>> df0 A B C team0 0.548012 0.288583 0.734276 X1 0.342895 0.207917 0.995485 X2 0.378794 0.160913 0.971951 Y3 0.039738 0.008414 0.226510 Y4 0.581093 0.750331 0.133022 Y>>> df0.drop_duplicates("team", ignore_index=True) A B C team0 0.548012 0.288583 0.734276 X1 0.378794 0.160913 0.971951 Y当我们有了一个 DataFrame 时，想要使用不同的数据源或单独的操作来分配索引。在这种情况下，可以直接将索引分配给现有的 df.index。
>>> better_index = ["X1", "X2", "Y1", "Y2", "Y3"]>>> df0.index = better_index>>> df0 A B C teamX1 0.548012 0.288583 0.734276 XX2 0.342895 0.207917 0.995485 XY1 0.378794 0.160913 0.971951 YY2 0.039738 0.008414 0.226510 YY3 0.581093 0.750331 0.133022 Y数据导出到 CSV 文件时，默认 DataFrame 具有从 0 开始的索引。如果我们不想在导出的 CSV 文件中包含它，可以在to_csv方法中设置index参数。
>>> df0.to_csv("exported_file.csv", index=False)如下所示，导出的 CSV 文件中，索引列未包含在文件中。
其实，很多方法中都有关于索引的设置，只不过大家一般比较关心数据，而经常忽略了索引，才导致继续运行时可能会报错。以上几个高频的操作都是有索引设置的，建议大家平时用的时候养成设置索引的习惯，这样会节省不少时间。
往期回顾
太卷了！AI 高数考试正确率81%
马斯克痛失大将！自动驾驶将驶向何方？
用 Python 制作可视化 GUI 界面
如何用 Python 实现景区安防系统？
分享点收藏点点赞点在看以上是关于好习惯！pandas 8 个常用的 index 设置的主要内容，如果未能解决你的问题，请参考以下文章
闽ICP备2020022160号-5