22 | 您所在的位置:网站首页 › dataframe第一列作为index › 22 |
22_Pandas.DataFrame,重置列的行名(set_index)
pandas.DataFrame中的现有列分配给索引index(行名,行标签)。为索引指定唯一的名称很方便,因为使用loc,at选择(提取)元素时很容易理解。 将描述以下内容。 set_index()的使用方法 基本用法将指定的列保留为数据:参数drop分配多索引将索引更改为另一列(重置)更改原始对象:参数inplace 读取csv文件等时指定索引使用索引(行名)提取(选择)行和元素了解如何更改索引的一部分或将整个列表替换为列表等,而不是将现有列分配给索引。 请参考以下文章, 01_Pandas.DataFrame的行名和列名的修改以下面的数据为例。 import pandas as pd df = pd.read_csv('./data/22/sample_pandas_normal.csv') print(df) # name age state point # 0 Alice 24 NY 64 # 1 Bob 42 CA 92 # 2 Charlie 18 CA 70 # 3 Dave 68 TX 70 # 4 Ellen 24 CA 88 # 5 Frank 30 NY 57 set_index()的使用方法 基本用法在第一个参数键中指定用作索引的列的列名(列标签)。指定的列设置为索引。 df_i = df.set_index('name') print(df_i) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 将指定的列保留为数据:参数drop默认情况下,如上例所示,从数据列中删除指定的列。如果参数drop = False,则指定的列将设置为index,并且也将保留在data列中。 df_id = df.set_index('name', drop=False) print(df_id) # name age state point # name # Alice Alice 24 NY 64 # Bob Bob 42 CA 92 # Charlie Charlie 18 CA 70 # Dave Dave 68 TX 70 # Ellen Ellen 24 CA 88 # Frank Frank 30 NY 57 分配多索引如果在第一个参数键中指定了列名列表(列标签),则将多列分配为多索引。 df_mi = df.set_index(['state', 'name']) print(df_mi) # age point # state name # NY Alice 24 64 # CA Bob 42 92 # Charlie 18 70 # TX Dave 68 70 # CA Ellen 24 88 # NY Frank 30 57使用sort_index()排序时,它可以整齐显示。 df_mi.sort_index(inplace=True) print(df_mi) # age point # state name # CA Bob 42 92 # Charlie 18 70 # Ellen 24 88 # NY Alice 24 64 # Frank 30 57 # TX Dave 68 70使用sort_values()对行进行排序以进行说明。有关排序的详细信息,请参见以下文章。 17_pandas.DataFrame,Series排序(sort_values,sort_index)默认情况下,如果在set_index()中指定一列,则原始索引将被删除。 print(df_i) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 df_ii = df_i.set_index('state') print(df_ii) # age point # state # NY 24 64 # CA 42 92 # CA 18 70 # TX 68 70 # CA 24 88 # NY 30 57如果将参数append设置为True,则除了原始索引之外,还将将指定的列添加为新的层次结构索引。 df_mi = df_i.set_index('state', append=True) print(df_mi) # age point # name state # Alice NY 24 64 # Bob CA 42 92 # Charlie CA 18 70 # Dave TX 68 70 # Ellen CA 24 88 # Frank NY 30 57添加的列是最底层。使用swaplevel()切换图层。 print(df_mi.swaplevel(0, 1)) # age point # state name # NY Alice 24 64 # CA Bob 42 92 # Charlie 18 70 # TX Dave 68 70 # CA Ellen 24 88 # NY Frank 30 57 将索引更改为另一列(重置)与前面的示例一样,如果使用set_index()指定列,则原始索引将被删除。 如果要保留原始索引,请使用reset_index(),它会从0开始按顺序对索引重新编号。 print(df_i) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 df_ri = df_i.reset_index() print(df_ri) # name age state point # 0 Alice 24 NY 64 # 1 Bob 42 CA 92 # 2 Charlie 18 CA 70 # 3 Dave 68 TX 70 # 4 Ellen 24 CA 88 # 5 Frank 30 NY 57如果要将索引更改(重置)到另一列,请在reset_index()之后使用set_index()。如果一次性全部编写,将如下所示。 df_change = df_i.reset_index().set_index('state') print(df_change) # name age point # state # NY Alice 24 64 # CA Bob 42 92 # CA Charlie 18 70 # TX Dave 68 70 # CA Ellen 24 88 # NY Frank 30 57请注意,为方便起见,在此示例中将具有重叠值的列设置为索引,但是如果索引值不重叠(每个值都是唯一的),则更容易选择数据。 另请参见以下有关reset_index()的文章。 21_Pandas.DataFrame,重置Series的索引index(reset_index) 更改原始对象:参数inplace默认情况下,set_index()不会更改原始对象并返回新对象,但是如果inplace参数为True,则原始对象将被更改。 df.set_index('name', inplace=True) print(df) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 读取csv文件等时指定索引从csv文件等中读取并生成pandas.DataFrame或pandas.Series时,如果原始文件包含要用作索引的列,则可以在读取时指定该列。 使用read_csv()读取文件时,在参数index_col中指定一个列号,该列即成为索引。 df = pd.read_csv('./data/22/sample_pandas_normal.csv', index_col=0) print(df) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57有关读取csv和tsv文件的详细信息,请参见以下文章。 03_Pandas读取csv/tsv文件(read_csv,read_table) 使用索引(行名)提取(选择)行和元素与前面的示例一样,如果在索引(行名,行标签)中指定唯一的字符串,则可以按名称提取(选择)行或元素。 print(df) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57 print(df.loc['Bob']) # age 42 # state CA # point 92 # Name: Bob, dtype: object print(df.at['Bob', 'age']) # 42有关loc和at的信息,请参见以下文章。 04_Pandas获取和修改任意位置的值(at,iat,loc,iloc) |
CopyRight 2018-2019 实验室设备网 版权所有 |