Python中reset_index()函数的使用

Python中reset_index()函数是pandas库中的一个函数，用于重置DataFrame的索引。具体来说，该函数将索引重置为默认值0,1,2……n-1。reset_index()还可以将多级索引的DataFrame转换为单层索引的DataFrame。以下是reset_index()的使用攻略：

一、reset_index()函数的基本用法

reset_index()接受如下参数：
- level：用于指定要重置的层级索引，默认为所有层级；
- drop：用于指定是否删除原有的索引，默认为False。

例如，以下数据集含有两级索引：

import pandas as pd
data = {'Name': ['Jerry', 'Jerry', 'Jerry', 'Tom', 'Tom', 'Tom'], 'Year': [2017, 2018, 2019, 2017, 2018, 2019], 'Score': [80, 75, 95, 85, 90, 80]}
df = pd.DataFrame(data)
df.set_index(['Name', 'Year'], inplace=True)

现在使用reset_index()函数重置索引：

df.reset_index()

输出结果如下：

    Name  Year  Score
0  Jerry  2017     80
1  Jerry  2018     75
2  Jerry  2019     95
3    Tom  2017     85
4    Tom  2018     90
5    Tom  2019     80

可以发现，reset_index()将两级索引重置为单层索引，原有的索引变为了新的一列。

二、reset_index()函数的进阶用法

接下来，我们将进一步说明reset_index()函数的进阶用法。

1. level参数的使用

首先，通过level参数，我们可以指定要重置的索引的层级。

例如，我们指定重置第二级索引，即年份（Year）：

df.reset_index(level=1)

输出结果如下：

        Year  Score
Name              
Jerry  2017     80
Jerry  2018     75
Jerry  2019     95
Tom    2017     85
Tom    2018     90
Tom    2019     80

可以发现，reset_index(level=1)仅重置了第二级索引，原有的第一级索引变为了新的一列。

2. drop参数的使用

除了指定要重置的索引的层级外，我们还可以通过drop参数来删除原有的索引。

例如，以下数据集中含有两级索引：

import pandas as pd
data = {'Name': ['Jerry', 'Jerry', 'Jerry', 'Tom', 'Tom', 'Tom'], 'Year': [2017, 2018, 2019, 2017, 2018, 2019], 'Score': [80, 75, 95, 85, 90, 80]}
df = pd.DataFrame(data)
df.set_index(['Name', 'Year'], inplace=True)

现在，我们使用reset_index(drop=True)函数重置索引并删除原有索引：

df.reset_index(drop=True)

输出如下：

   Name  Year  Score
0  Jerry  2017     80
1  Jerry  2018     75
2  Jerry  2019     95
3    Tom  2017     85
4    Tom  2018     90
5    Tom  2019     80

可以发现，原有的两级索引被删除，行索引变为了0,1,2……n-1。

以上就是reset_index()函数的使用攻略，希望对你有所帮助。