【Python_Pandas】reset_index() 函数解析

【Python_Pandas】reset_index函数解析

文章目录

• 【Python_Pandas】reset_index函数解析
• • 1. 介绍
  • 2. 示例
  • • 2.1 参数drop
    • 2.2 参数inplace
    • 2.3 参数level
    • 2.4 参数col_level
    • 2.5 参数col_fill
  • 参考

1. 介绍

pandas.DataFrame.reset_index

reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

• 1

1）函数作用：

• 重置索引或其level。
  • 重置数据帧的索引，并使用默认索引。如果数据帧具有多重索引，则此方法可以删除一个或多个level。

2）参数：

• drop: 重新设置索引后是否将原索引作为新的一列并入DataFrame，默认为False
• inplace: 是否在原DataFrame上改动，默认为False
• level: 如果索引(index)有多个列，仅从索引中删除level指定的列，默认删除所有列
• col_level: 如果列名(columns)有多个级别，决定被删除的索引将插入哪个级别，默认插入第一级
• col_fill: 如果列名(columns)有多个级别，决定其他级别如何命名

3）返回

• DataFrame or None。具有新索引的数据帧，如果inplace=True，则无索引。

2. 示例

2.1 参数drop

• False：表示重新设置索引后，将原索引作为新的一列并入DataFrame，
• True：表示删除原索引

import pandas as pd import numpy as np df = pd.DataFrame([('bird', 389.0), ('bird', 24.0), ('mammal', 80.5), ('mammal', np.nan)], index=['falcon', 'parrot', 'lion', 'monkey'], columns=('class', 'max_speed')) print(df) print('\n') df1 = df.reset_index() print(df1) print('\n') df2 = df.reset_index(drop=True) print(df2)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14

• 输出：
  

2.2 参数inplace

• True表示：在原DataFrame上修改，返回为None
• False：将修改后的DataFrame作为新的对象返回

import pandas as pd import numpy as np df = pd.DataFrame([('bird', 389.0), ('bird', 24.0), ('mammal', 80.5), ('mammal', np.nan)], index=['falcon', 'parrot', 'lion', 'monkey'], columns=('class', 'max_speed')) print(df) print('\n') df1 = df.reset_index() print(df1) print('\n') df2 = df.reset_index(inplace=True) print(df2) print('\n') print(df)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16

• 输出：
  

2.3 参数level

如果索引有多个列，仅从索引中删除由level指定的列，默认删除所有列。

• 输入整数时表示将index的names中下标为level的索引删除；
• 输入为字符串时表示将名字为level的索引删除

import pandas as pd import numpy as np index = pd.MultiIndex.from_tuples([('bird', 'falcon'), ('bird', 'parrot'), ('mammal', 'lion'), ('mammal', 'monkey')], names=['class', 'name']) columns = pd.MultiIndex.from_tuples([('speed', 'max'), ('species', 'type')]) df = pd.DataFrame([(389.0, 'fly'), ( 24.0, 'fly'), ( 80.5, 'run'), (np.nan, 'jump')], index=index, columns=columns) print(df) print('\n') df0 = df.reset_index() print(df0) print('\n') df1 = df.reset_index(level=1) print(df1) print('\n') df2 = df.reset_index(level='name') print(df2)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

• 输出：
  

2.4 参数col_level

如果列名(columns)有多个级别，决定被删除的索引将插入哪个级别，默认插入第一级(col_level=0)

import pandas as pd import numpy as np index = pd.MultiIndex.from_tuples([('bird', 'falcon'), ('bird', 'parrot'), ('mammal', 'lion'), ('mammal', 'monkey')], names=['class', 'name']) columns = pd.MultiIndex.from_tuples([('speed', 'max'), ('species', 'type')]) df = pd.DataFrame([(389.0, 'fly'), ( 24.0, 'fly'), ( 80.5, 'run'), (np.nan, 'jump')], index=index, columns=columns) print(df) print('\n') df1 = df.reset_index(level=0, col_level=0) print(df1) print('\n') df2 = df.reset_index(level=0, col_level=1) print(df2) print('\n')

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17

• 输出：
  

2.5 参数col_fill

重置索引时被删除的索引只能插入一个级别，

• 如果列名(columns)有多个级别，那么这个列的列名的其他级别如何命名就由col_fill决定，默认不做填充，
• 如果传入None则用被删除的索引的名字填充

import pandas as pd import numpy as np index = pd.MultiIndex.from_tuples([('bird', 'falcon'), ('bird', 'parrot'), ('mammal', 'lion'), ('mammal', 'monkey')], names=['class', 'name']) columns = pd.MultiIndex.from_tuples([('speed', 'max'), ('species', 'type')]) df = pd.DataFrame([(389.0, 'fly'), ( 24.0, 'fly'), ( 80.5, 'run'), (np.nan, 'jump')], index=index, columns=columns) print(df) print('\n') df0 = df.reset_index(level=0, col_level=0) print(df0) print('\n') df1 = df.reset_index(level=0, col_level=0, col_fill=None) print(df1) print('\n') df2 = df.reset_index(level=0, col_level=1, col_fill='species') print(df2) print('\n') df3 = df.reset_index(level=0, col_level=0, col_fill='genus') print(df3) print('\n')

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

• 输出：
  
  

参考

【1】https://blog.csdn.net/weixin_43298886/article/details/108090189