pandas DataFrame重置索引 pandas中DataFrame重置索引的几种方法
Jayson 人气:0想了解pandas中DataFrame重置索引的几种方法的相关内容吗，Jayson在本文为您仔细讲解pandas DataFrame重置索引的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：pandas,DataFrame重置索引,pandas,,重置索引，下面大家一起来学习吧。
在pandas中，经常对数据进行处理 而导致数据索引顺序混乱，从而影响数据读取、插入等。
小笔总结了以下几种重置索引的方法：
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
# 对其重排顺序，得到索引顺序倒序的数据
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
下面对df2重置索引，使其索引从0开始
法一：
简单粗暴：
df2.index = range(len(df2))
# 输出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表示删除原索引，不然会在数据表格中新生成一列'index'数据
# 输出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是第一个参数，可以省略
# 输出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=[])，在原数据结构上新建行（index是新索引，若新建数据索引在原数据中存在，则引用原有数据），默认用NaN填充(使用fill_value=0 来修改填充值自定义，此处我设置的是0)。
# df = df.reindex(columns=[])，在原数据结构上新建列，方法与新建行一样
法四：
df2 = df2.set_index(keys=['a', 'c']) # 将原数据a, c列的数据作为索引。
# drop=True，默认，是将数据作为索引后，在表格中删除原数据
# append=False，默认，是将新设置的索引设置为内层索引，原索引是外层索引
# 输出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
加载全部内容