在pandas中，經(jīng)常對(duì)數(shù)據(jù)進(jìn)行處理 而導(dǎo)致數(shù)據(jù)索引順序混亂，從而影響數(shù)據(jù)讀取、插入等。
小筆總結(jié)了以下幾種重置索引的方法：
import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(20).reshape((5, 4)),columns=['a', 'b', 'c', 'd'])
#得到df：
a b c d
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
3 12 13 14 15
4 16 17 18 19
# 對(duì)其重排順序，得到索引順序倒序的數(shù)據(jù)
df2 = df.sort_values('a', ascending=False)
# 得到df2：
a b c d
4 16 17 18 19
3 12 13 14 15
2 8 9 10 11
1 4 5 6 7
0 0 1 2 3
下面對(duì)df2重置索引，使其索引從0開始
法一：
簡(jiǎn)單粗暴：
df2.index = range(len(df2))
# 輸出df2：
a b c d
0 16 17 18 19
1 12 13 14 15
2 8 9 10 11
3 4 5 6 7
4 0 1 2 3
法二：
df2 = df2.reset_index(drop=True) # drop=True表示刪除原索引，不然會(huì)在數(shù)據(jù)表格中新生成一列'index'數(shù)據(jù)
# 輸出df2：
a b c d
0 16 17 18 19
1 12 13 14 15
2 8 9 10 11
3 4 5 6 7
4 0 1 2 3
法三：
df2 = df2.reindex(labels=range(len(df)) #labels是第一個(gè)參數(shù)，可以省略
# 輸出df2
a b c d
0 16 17 18 19
1 12 13 14 15
2 8 9 10 11
3 4 5 6 7
4 0 1 2 3
# 注：df = df.reindex(index=[])，在原數(shù)據(jù)結(jié)構(gòu)上新建行（index是新索引，若新建數(shù)據(jù)索引在原數(shù)據(jù)中存在，則引用原有數(shù)據(jù)），默認(rèn)用NaN填充(使用fill_value=0 來修改填充值自定義，此處我設(shè)置的是0)。
# df = df.reindex(columns=[])，在原數(shù)據(jù)結(jié)構(gòu)上新建列，方法與新建行一樣
法四：
df2 = df2.set_index(keys=['a', 'c']) # 將原數(shù)據(jù)a, c列的數(shù)據(jù)作為索引。
# drop=True，默認(rèn)，是將數(shù)據(jù)作為索引后，在表格中刪除原數(shù)據(jù)
# append=False，默認(rèn)，是將新設(shè)置的索引設(shè)置為內(nèi)層索引，原索引是外層索引
# 輸出df2，注意a,c列是索引:
b d
a c
16 18 17 19
12 14 13 15
8 10 9 11
4 6 5 7
0 2 1 3
到此這篇關(guān)于pandas中DataFrame重置索引的幾種方法的文章就介紹到這了,更多相關(guān)pandas DataFrame重置索引內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 在Python中pandas.DataFrame重置索引名稱的實(shí)例
- python pandas 對(duì)series和dataframe的重置索引reindex方法
