Pandas之DataFrame對(duì)象的列和索引之間的轉(zhuǎn)化
約定：
import pandas as pd
DataFrame對(duì)象的列和索引之間的轉(zhuǎn)化
我們常常需要將DataFrame對(duì)象中的某列或某幾列作為索引，或者將索引轉(zhuǎn)化為對(duì)象的列。pandas提供了set_index()/reset_index() 來(lái)供我們使用。
一、列轉(zhuǎn)化為索引
df1=pd.DataFrame({'X':range(5),'Y':range(5),'S':list("aaabb"),'Z':[1,1,2,2,2]})
df1
代碼結(jié)果：
| S | X | Y | Z | |
|---|---|---|---|---|
| 0 | a | 0 | 0 | 1 |
| 1 | a | 1 | 1 | 1 |
| 2 | a | 2 | 2 | 2 |
| 3 | b | 3 | 3 | 2 |
| 4 | b | 4 | 4 | 2 |
指定列為索引
df1.set_index('S')
代碼結(jié)果：
| X | Y | Z | |
|---|---|---|---|
| S | |||
| a | 0 | 0 | 1 |
| a | 1 | 1 | 1 |
| a | 2 | 2 | 2 |
| b | 3 | 3 | 2 |
| b | 4 | 4 | 2 |
指定多個(gè)列作為多級(jí)索引
df1.set_index(['S','Z'])
代碼結(jié)果：
| X | Y | ||
|---|---|---|---|
| S | Z | ||
| a | 1 | 0 | 0 |
| 1 | 1 | 1 | |
| 2 | 2 | 2 | |
| b | 2 | 3 | 3 |
| 2 | 4 | 4 |
同時(shí)保留作為索引的列
df1.set_index(['S','Z'],drop=False)
代碼結(jié)果：
| S | X | Y | Z | ||
|---|---|---|---|---|---|
| S | Z | ||||
| a | 1 | a | 0 | 0 | 1 |
| 1 | a | 1 | 1 | 1 | |
| 2 | a | 2 | 2 | 2 | |
| b | 2 | b | 3 | 3 | 2 |
| 2 | b | 4 | 4 | 2 |
二、索引轉(zhuǎn)化為列
df2=df1.set_index(['S','Z']) df2
代碼結(jié)果：
| X | Y | ||
|---|---|---|---|
| S | Z | ||
| a | 1 | 0 | 0 |
| 1 | 1 | 1 | |
| 2 | 2 | 2 | |
| b | 2 | 3 | 3 |
| 2 | 4 | 4 |
將單個(gè)索引作為DataFrame對(duì)象的列
df2.reset_index('Z')
代碼結(jié)果：
| Z | X | Y | |
|---|---|---|---|
| S | |||
| a | 1 | 0 | 0 |
| a | 1 | 1 | 1 |
| a | 2 | 2 | 2 |
| b | 2 | 3 | 3 |
| b | 2 | 4 | 4 |
將多級(jí)索引作為列
df2.reset_index()
代碼結(jié)果：
| S | Z | X | Y | |
|---|---|---|---|---|
| 0 | a | 1 | 0 | 0 |
| 1 | a | 1 | 1 | 1 |
| 2 | a | 2 | 2 | 2 |
| 3 | b | 2 | 3 | 3 |
| 4 | b | 2 | 4 | 4 |
直接刪除對(duì)指定索引
df2.reset_index('Z',drop=True)
代碼結(jié)果：
| X | Y | |
|---|---|---|
| S | ||
| a | 0 | 0 |
| a | 1 | 1 |
| a | 2 | 2 |
| b | 3 | 3 |
| b | 4 | 4 |
直接對(duì)原DataFrame對(duì)象修改
df2.reset_index(inplace=True) df2
代碼結(jié)果：
| S | Z | X | Y | |
|---|---|---|---|---|
| 0 | a | 1 | 0 | 0 |
| 1 | a | 1 | 1 | 1 |
| 2 | a | 2 | 2 | 2 |
| 3 | b | 2 | 3 | 3 |
| 4 | b | 2 | 4 | 4 |
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python計(jì)算序列相似度的算法實(shí)例,求兩個(gè)序列轉(zhuǎn)換的最少交換步驟和最小交換距離,本文提供了部分實(shí)現(xiàn)代碼與解決思路,對(duì)開發(fā)非常有幫助,需要的朋友可以參考下2023-07-07
Python開發(fā)的單詞頻率統(tǒng)計(jì)工具wordsworth使用方法
wordsworth是字母，單詞和n元組頻率分析，用來(lái)分析文件中的單詞出現(xiàn)頻率的工具。2014-06-06
下面小編就為大家分享一篇對(duì)numpy中軸與維度的理解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2018-04-04
Python編程異步爬蟲之a(chǎn)iohttp模塊的基本用法
aiohttp?模塊是一個(gè)基于?asyncio?的?HTTP?客戶端和服務(wù)器框架,可以用于異步處理?HTTP?請(qǐng)求和響應(yīng),這篇文章給大家介紹Python編程異步爬蟲之a(chǎn)iohttp模塊的基本用法,感興趣的朋友一起看看吧2024-03-03
Python tkinter庫(kù)繪制春聯(lián)和福字的示例詳解
馬上要過年了，這篇文章將用到Python中的tkinter庫(kù)來(lái)寫一副春聯(lián)&福字送給大家。文中的實(shí)現(xiàn)方法講解詳細(xì)，感興趣的小伙伴可以試一試2022-01-01
這篇文章主要介紹了python 從list中隨機(jī)取值的方法，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11
Python中函數(shù)帶括號(hào)和不帶括號(hào)的區(qū)別及說明
這篇文章主要介紹了Python中函數(shù)帶括號(hào)和不帶括號(hào)的區(qū)別及說明，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-11-11
解決Django 在ForeignKey中出現(xiàn) non-nullable field錯(cuò)誤的問題
今天小編就為大家分享一篇解決Django 在ForeignKey中出現(xiàn) non-nullable field錯(cuò)誤的問題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2019-08-08
使用PyTorch將數(shù)據(jù)從CPU移動(dòng)到GPU的四個(gè)方法
這篇文章給大家介紹了在 PyTorch 中,將數(shù)據(jù)從 CPU 移動(dòng)到 GPU 的幾種方法,使用 .to() 方法,使用 .cuda() 方法,使用 torch.Tensor 構(gòu)造函數(shù)和使用 torch.tensor 構(gòu)造函數(shù)這四個(gè)方法,通過代碼示例介紹非常詳細(xì),需要的朋友可以參考下2024-01-01
python實(shí)現(xiàn)WebSocket服務(wù)端過程解析
這篇文章主要介紹了python實(shí)現(xiàn)WebSocket服務(wù)端過程解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-10-10