Pandas 中 set_index() 和 reset_index() 的使用

  在数据分析过程中，有时出于增强数据可读性或其他原因，我们需要对数据表的索引值进行设定。

通常，在 Pandas Dataframe 中，我们默认以 0 到对象长度的序列号作为索引。我们也可以将 DataFrame 中的某一列作为其索引。

索引是什么

在进行数据分析时，通常我们要根据业务情况进行数据筛选，要求筛选特定情况的行或列，这时就要根据数据类型(Series或者DataFrame)的索引情况对数据进行相应的行切片或者列索引的处理。

在 Pandas 中最常用的就是数据类型就是 Series 和 DataFrame，它们的索引情况如下：

Series

• 索引(index)：对应是最左侧那一列
• 值(values)：每一个索引的右侧对应一个值

DataFrame 有两种索引

• 行索引(index)：对应最左边的那一列
• 列索引(columns)：对应最上面的那一行

set_index()

Pandas.DataFrame.set_index() 方法用于为 DataFrame 添加索引（行标签）。

语法：

DataFrame.set_index(keys, * , drop=True, append=False, inplace=False, verify_integrity=False)

返回值： DataFrame or None

如果 inplace 设置为 True 则返回 None 否则返回一个新的 DataFrame。

参数说明：

• keys：指定要设置为索引的列名或列名的列表。
• drop：是否舍弃作为索引的列。默认为 True，表示将指定的列从 DataFrame 中删除并设置为索引。如果设置为 False，则保留指定的列作为普通列，同时创建一个新的索引列
• append：默认为 False，表示替换现有的索引。如果设置为 True，则将新的索引列附加到现有的索引列中，和原索引组成多层索引。
• inplace：默认为 False，表示返回一个新的 DataFrame，而不修改原始的 DataFrame。如果设置为 True ，则在原始 DataFrame 上进行就地修改，并返回 None
• verify_integrity：默认为 False，表示不验证新的索引是否唯一。如果设置为 True，则会验证新的索引是否唯一，如果存在重复值，将引发异常

实例说明：

from odps import ODPS
from odps.df import DataFrame
import pandas as pd

users = o.get_table('pyodps_ml_100k_users').to_df().head(10).to_pandas()
print(users)

• 将 user_id 列作为行索引

users1 = users.set_index('user_id')
print(users1)
print(users1.index)
print(users1.loc[1])

• 将 user_id 列和 sex 列作为行索引

users2 = users.set_index(['user_id', 'sex'])
print(users2)
print(users2.index)
print(users2.loc[1].loc['M'])

• 指定参数 drop=True，该参数为默认参数

users3 = users.set_index('user_id', drop=True)
print(users3)

• 指定参数 drop=False

users4 = users.set_index('user_id', drop=False)
print(users4)

注：对比参数 drop=True 和 drop=False，可以看到，当 drop=False 时，被作为行索引的那一列数据仍然被保留下来了。

• 指定参数 append=False，该参数为默认参数

users5 = users.set_index('user_id', append=False)
print(users5)

• 指定参数 append=True

users6 = users.set_index('user_id', append=True)
print(users6)

注：对比参数 append=True 和 append=False，可以看到，当 append=True 时，原来行索引和新的行索引一起被保留下来了。

reset_index()

Pandas.DataFrame.reset_index 方法用于将 DataFrame 的索引，重置为数字索引。如果 DataFrame 具有 MultiIndex（多层索引），则此方法可以重置一个或多个级别。

默认状态下，reset_index() 会把原索引插入到 DataFrame 作为普通的数据列。

语法：

DataFrame.reset_index(level=None, * , drop=False, inplace=False, col_level=0, col_fill='', allow_duplicates=_NoDefault.no_default, names=None)

返回值： DataFrame or None

如果 inplace 设置为 True 则返回 None 否则返回一个新的 DataFrame 。

参数说明：

• level：指定要重置的索引级别。默认为 None 表示重置所有级别的索引
• drop：是否舍弃原索引。默认为 False，原索引会插入到 DataFrame 里作为普通的数据列。如果 drop=True 则原索引会被舍弃，不会被插入到DataFrame
• inplace：默认为 False，表示返回一个新的 DataFrame，而不修改原始的 DataFrame。如果设置为 True，则在原始 DataFrame 上进行就地修改，并返回 None。

实例说明：

from odps import ODPS
from odps.df import DataFrame
import pandas as pd

users = o.get_table('pyodps_ml_100k_users').to_df().head(10).to_pandas()
print(users)

reset_index() 函数可分为两种类型，第一种是对原来的数据表进行 reset；第二种是对使用过 set_index() 函数的数据表进行 reset。

对原来的数据表进行 reset

• 指定参数 drop=False，该参数为默认参数

users2 = users.reset_index(drop=False)
print(users2)

原来索引值被还原成了普通列，同时被系统命名为 index 字段。

• 指定参数 drop=True

users3 = users.reset_index(drop=True)
print(users3)

对使用过 set_index() 函数的数据表进行 reset

• 使用 set_index() 函数进行索引设置

users4 = users.set_index('user_id')
print(users4)

• 使用 reset_index() 函数进行还原

users5 = users4.reset_index(drop=False)
print(users5)

users6 = users4.reset_index(drop=True)
print(users6)

参考资料

Pandas.DataFrame.reset_index() 重置索引详解

Pandas.DataFrame.set_index() 添加索引详解

Python 数据分析基础 > Pandas 中 set_index()、reset_index() 的使用

原创文章，转载请注明出处：http://www.opcoder.cn/article/68/