如何将 Pandas DataFrame 的索引转换为列
Asad Riaz
2023年1月30日
2020年3月28日
-
df.index将索引添加为新列 -
使用带有
rename axis的reset_index重命名当前索引列名 -
set_index方法将列转换为索引 -
MultiIndex可在column上设置indexs的多层索引
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.x
import pandas as pd
df = pd.DataFrame([
(1,2,None),
(None,4,None),
(5,None,7),
(5,None,None)
],columns=['a','b','d'])
df['index'] = df.index
print(df)
输出：
a b d index1
0 1.0 2.0 NaN 0
1 NaN 4.0 NaN 1
2 5.0 NaN 7.0 2
3 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.x
import pandas as pd
df = 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 d
0 0 1.0 2.0 NaN
1 1 NaN 4.0 NaN
2 2 5.0 NaN 7.0
3 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.x
import pandas as pd
df = 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 d
b
2 1.0 NaN
4 NaN NaN
4 5.0 7.0
5 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.x
import pandas as pd
df = 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 = None
print(df)
输出：
a d
2 1.0 NaN
4 NaN NaN
4 5.0 7.0
5 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.x
import pandas as pd
import numpy as np
index = 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 d
Item Type
Burger Half 0 3 9 1
Full 2 2 0 5
Steak Half 8 4 5 5
Full 5 8 0 7
Sandwich Half 2 8 9 5
Full 4 4 5 9