---

在數據處理時，經常會因為index報錯而發愁。不要緊，本次來和大家聊聊pandas中處理索引的幾種常用方法。

1.讀取時指定索引列

很多情況下，我們的數據源是 CSV 文件。假設有一個名為的文件data.csv，包含以下數據。

date,temperature,humidity 07/01/21,95,50 07/02/21,94,55 07/03/21,94,56

默認情況下，pandas將會創建一個從0開始的索引行，如下：

>>>?pd.read_csv("data.csv",?parse_dates=["date"])date??temperature??humidity 0?2021-07-01???????????95????????50 1?2021-07-02???????????94????????55 2?2021-07-03???????????94????????56

但是，我們可以在導入過程中通過將index_col參數設置為某一列可以直接指定索引列。

>>>?pd.read_csv("data.csv",?parse_dates=["date"],?index_col="date")temperature??humidity date????????????????????????????? 2021-07-01???????????95????????50 2021-07-02???????????94????????55 2021-07-03???????????94????????56

2. 使用現有的 DataFrame 設置索引

當然，如果已經讀取數據或做完一些數據處理步驟后，我們可以通過set_index手動設置索引。

>>>?df?=?pd.read_csv("data.csv",?parse_dates=["date"]) >>>?df.set_index("date")temperature??humidity date????????????????????????????? 2021-07-01???????????95????????50 2021-07-02???????????94????????55 2021-07-03???????????94????????56

這里有兩點需要注意下。

set_index方法默認將創建一個新的 DataFrame。如果要就地更改df的索引，需要設置inplace=True。

df.set_index(“date”,?inplace=True)

如果要保留將要被設置為索引的列，可以設置drop=False。

df.set_index(“date”,?drop=False)

3. 一些操作后重置索引

在處理 DataFrame 時，某些操作（例如刪除行、索引選擇等）將會生成原始索引的子集，這樣默認的數字索引排序就亂了。如要重新生成連續索引，可以使用reset_index方法。

>>>?df0?=?pd.DataFrame(np.random.rand(5,?3),?columns=list("ABC")) >>>?df0A?????????B?????????C 0??0.548012??0.288583??0.734276 1??0.342895??0.207917??0.995485 2??0.378794??0.160913??0.971951 3??0.039738??0.008414??0.226510 4??0.581093??0.750331??0.133022 >>>?df1?=?df0[df0.index?%?2?==?0] >>>?df1A?????????B?????????C 0??0.548012??0.288583??0.734276 2??0.378794??0.160913??0.971951 4??0.581093??0.750331??0.133022 >>>?df1.reset_index(drop=True)A?????????B?????????C 0??0.548012??0.288583??0.734276 1??0.378794??0.160913??0.971951 2??0.581093??0.750331??0.133022

通常，我們是不需要保留舊索引的，因此可將drop參數設置為True。同樣，如果要就地重置索引，可設置inplace參數為True，否則將創建一個新的 DataFrame。

4. 將索引從 groupby 操作轉換為列

groupby分組方法是經常用的。比如下面通過添加一個分組列team來進行分組。

>>>?df0["team"]?=?["X",?"X",?"Y",?"Y",?"Y"] >>>?df0A?????????B?????????C?team 0??0.548012??0.288583??0.734276????X 1??0.342895??0.207917??0.995485????X 2??0.378794??0.160913??0.971951????Y 3??0.039738??0.008414??0.226510????Y 4??0.581093??0.750331??0.133022????Y >>>?df0.groupby("team").mean()A?????????B?????????C team?????????????????????????????? X?????0.445453??0.248250??0.864881 Y?????0.333208??0.306553??0.443828

默認情況下，分組會將分組列編程index索引。但是很多情況下，我們不希望分組列變成索引，因為可能有些計算或者判斷邏輯還是需要用到該列的。因此，我們需要設置一下讓分組列不成為索引，同時也能完成分組的功能。

有兩種方法可以完成所需的操作，第一種是用reset_index，第二種是在groupby方法里設置as_index=False。個人更喜歡第二種方法，它只涉及兩個步驟，更簡潔。

>>>?df0.groupby("team").mean().reset_index()team?????????A?????????B?????????C 0????X??0.445453??0.248250??0.864881 1????Y??0.333208??0.306553??0.443828 >>>?df0.groupby("team",?as_index=False).mean()team?????????A?????????B?????????C 0????X??0.445453??0.248250??0.864881 1????Y??0.333208??0.306553??0.443828

5.排序后重置索引

當用sort_value排序方法時也會遇到這個問題，因為默認情況下，索引index跟著排序順序而變動，所以是亂雪。如果我們希望索引不跟著排序變動，同樣需要在sort_values方法中設置一下參數ignore_index即可。

>>>?df0.sort_values("A")A?????????B?????????C?team 3??0.039738??0.008414??0.226510????Y 1??0.342895??0.207917??0.995485????X 2??0.378794??0.160913??0.971951????Y 0??0.548012??0.288583??0.734276????X 4??0.581093??0.750331??0.133022????Y >>>?df0.sort_values("A",?ignore_index=True)A?????????B?????????C?team 0??0.039738??0.008414??0.226510????Y 1??0.342895??0.207917??0.995485????X 2??0.378794??0.160913??0.971951????Y 3??0.548012??0.288583??0.734276????X 4??0.581093??0.750331??0.133022????Y

6.刪除重復后重置索引

刪除重復項和排序一樣，默認執行后也會打亂排序順序。同理，可以在drop_duplicates方法中設置ignore_index參數True即可。

>>>?df0A?????????B?????????C?team 0??0.548012??0.288583??0.734276????X 1??0.342895??0.207917??0.995485????X 2??0.378794??0.160913??0.971951????Y 3??0.039738??0.008414??0.226510????Y 4??0.581093??0.750331??0.133022????Y >>>?df0.drop_duplicates("team",?ignore_index=True)A?????????B?????????C?team 0??0.548012??0.288583??0.734276????X 1??0.378794??0.160913??0.971951????Y

7. 索引的直接賦值

當我們有了一個 DataFrame 時，想要使用不同的數據源或單獨的操作來分配索引。在這種情況下，可以直接將索引分配給現有的 df.index。

>>>?better_index?=?["X1",?"X2",?"Y1",?"Y2",?"Y3"] >>>?df0.index?=?better_index >>>?df0A?????????B?????????C?team X1??0.548012??0.288583??0.734276????X X2??0.342895??0.207917??0.995485????X Y1??0.378794??0.160913??0.971951????Y Y2??0.039738??0.008414??0.226510????Y Y3??0.581093??0.750331??0.133022????Y

8.寫入CSV文件時忽略索引

數據導出到 CSV 文件時，默認 DataFrame 具有從 0 開始的索引。如果我們不想在導出的 CSV 文件中包含它，可以在to_csv方法中設置index參數。

>>>?df0.to_csv("exported_file.csv",?index=False)

如下所示，導出的 CSV 文件中，索引列未包含在文件中。

其實，很多方法中都有關于索引的設置，只不過大家一般比較關心數據，而經常忽略了索引，才導致繼續運行時可能會報錯。以上幾個高頻的操作都是有索引設置的，建議大家平時用的時候養成設置索引的習慣，這樣會節省不少時間。

原創不易，歡迎點贊、留言、分享，支持我繼續寫下去。

參考：https://towardsdatascience.com/8-quick-tips-on-manipulating-index-with-pandas-c10ef9d1b44f

——END——

最近發現一個點外賣每頓飯都能少花5-20元的寶藏號。

就是她，↓點擊下面名片關注公眾號↓

進入公眾號點擊菜單領取紅包最低5元，最高56元！

總結

以上是生活随笔為你收集整理的好习惯！pandas 8 个常用的 index 设置的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。