python dataframe 把某一列设为索引 pandas将某一列变为索引

作者：Peter

本文主要是介绍Pandas中行和列索引的4个函数操作：

• set_index
• reset_index
• set_axis
• rename

创建索引

快速回顾下Pandas创建索引的常见方法：

pd.Index

In [1]:

import pandas as pd
import numpy as np

In [2]:

# 指定类型和名称

s1 = pd.Index([1,2,3,4,5,6,7], 
         dtype="int",
         name="Peter")

s1

Out[2]:

Int64Index([1, 2, 3, 4, 5, 6, 7], dtype='int64', name='Peter')

pd.IntervalIndex

新的间隔索引 IntervalIndex 通常使用 interval_range()函数来进行构造，它使用的是数据或者数值区间，基本用法：

In [3]:

s2 = pd.interval_range(start=0, end=6, closed="left")
s2

Out[3]:

IntervalIndex([[0, 1), [1, 2), [2, 3), [3, 4), [4, 5), [5, 6)],
              closed='left',
              dtype='interval[int64]')

pd.CategoricalIndex

In [4]:

s3 = pd.CategoricalIndex(
    # 待排序的数据
    ["S","M","L","XS","M","L","S","M","L","XL"],
    # 指定分类顺序
    categories=["XS","S","M","L","XL"],
    # 排需
    ordered=True,
    # 索引名字
    name="category"
)

s3

Out[4]:

CategoricalIndex(['S', 'M', 'L', 'XS', 'M', 'L', 'S', 'M', 'L', 'XL'], 
						categories=['XS', 'S', 'M', 'L', 'XL'], 
						ordered=True, 
						name='category', 
						dtype='category')

pd.DatetimeIndex

以时间和日期作为索引，通过date_range函数来生成，具体例子为：

In [5]:

# 日期作为索引，D代表天

s4 = pd.date_range("2022-01-01",periods=6, freq="D")
s4

Out[5]:

DatetimeIndex(['2022-01-01', '2022-01-02', '2022-01-03', 
							'2022-01-04','2022-01-05', '2022-01-06'],
              dtype='datetime64[ns]', freq='D')

pd.PeriodIndex

pd.PeriodIndex是一个专门针对周期性数据的索引，方便针对具有一定周期的数据进行处理，具体用法如下：

In [6]:

s5 = pd.PeriodIndex(['2022-01-01', '2022-01-02', 
											'2022-01-03', '2022-01-04'], 
											freq = '2H')
s5

Out[6]:

PeriodIndex(['2022-01-01 00:00', '2022-01-02 00:00', 
							'2022-01-03 00:00','2022-01-04 00:00'],
            dtype='period[2H]', freq='2H')

pd.TimedeltaIndex

In [7]:

data = pd.timedelta_range(start='1 day', end='3 days', freq='6H')
data

Out[7]:

TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
                '1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
                '2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
               dtype='timedelta64[ns]', freq='6H')

In [8]:

s6 = pd.TimedeltaIndex(data)
s6

Out[8]:

TimedeltaIndex(['1 days 00:00:00', '1 days 06:00:00', '1 days 12:00:00',
                '1 days 18:00:00', '2 days 00:00:00', '2 days 06:00:00',
                '2 days 12:00:00', '2 days 18:00:00', '3 days 00:00:00'],
               dtype='timedelta64[ns]', freq='6H')

读取数据

下面通过一份 简单的数据来讲解4个函数的使用。数据如下：

set_index

设置单层索引

In [10]:

# 设置单层索引

df1 = df.set_index("name")
df1

我们发现df1的索引已经变成了name字段的相关值。

下面是设置多层索引：

# 设置两层索引

df2 = df.set_index(["sex","name"])
df2

reset_index

对索引的重置：

针对多层索引的重置：

多层索引直接原地修改：

set_axis

将指定的数据分配给所需要的轴axis。其中axis=0代表行方向，axis=1代表列方向。

两种不同的写法：

axis=0 等价于  axis="index"
axis=1 等价于  axis="columns"

操作行索引

使用 index 效果相同：

原来的df2是没有改变的。如果我们想改变生效，同样也可以直接原地修改：

操作列索引

针对axis=1或者axis="columns"方向上的操作。

1、直接传入我们需要修改的新名称：

使用axis="columns"效果相同：

同样也可以直接原地修改：

rename

给行索引或者列索引进行重命名，假设我们的原始数据如下：

字典形式

1、通过传入的一个或者多个属性的字典形式进行修改：

In [29]:

# 修改单个列索引；非原地修改
df2.rename(columns={"Sex":"sex"})

同时修改多个列属性的名称：

函数形式

2、通过传入的函数进行修改：

In [31]:

# 传入函数
df2.rename(str.upper, axis="columns")

也可以使用匿名函数lambda：

# 全部变成小写
df2.rename(lambda x: x.lower(), axis="columns")

使用案例

In [33]:

在这里我们使用的是可视化库plotly_express库中的自带数据集tips：

import plotly_express as px

tips = px.data.tips()  
tips

按日统计总消费

In [34]:

df3 = tips.groupby("day")["total_bill"].sum()
df3

Out[34]:

day
Fri      325.88
Sat     1778.40
Sun     1627.16
Thur    1096.33
Name: total_bill, dtype: float64

In [35]:

我们发现df3其实是一个Series型的数据：

type(df3)   # Series型的数据

Out[35]:

pandas.core.series.Series

In [36]:

下面我们通过reset_index函数将其变成了DataFrame数据：

df4 = df3.reset_index()
df4

我们把列方向上的索引重新命名下：

In [37]:

# 直接原地修改
df4.rename(columns={"day":"Day", "total_bill":"Amount"}, 
           inplace=True)

df4

按日、性别统计小费均值，消费总和

In [38]:

df5 = tips.groupby(["day","sex"]).agg({"tip":"mean", "total_bill":"sum"})
df5

我们发现df5是df5是一个具有多层索引的数据框：

In [39]:

type(df5)

Out[39]:

pandas.core.frame.DataFrame

我们可以选择重置其中一个索引：

在重置索引的同时，直接丢弃原来的字段信息：下面的sex信息被删除

In [41]:

df5.reset_index(["sex"],drop=True)  # 非原地修改

列方向上的索引直接原地修改：

df5.reset_index(inplace=True)  # 原地修改
df5

笨方法

最后介绍一个笨方法来修改列索引的名称：就是将新的名称通过列表的形式全部赋值给数据框的columns属性

在列索引个数少的时候用起来挺方便的，如果多了不建议使用。