要在给定的DataFrame中重置索引,我们需要使用Pandas中的reset_index()函数。该函数可用于在DataFrame中重新设置索引,并根据需要更改其中的标签。下面是详细的步骤:
步骤1:导入Pandas模块
首先,我们需要导入Pandas模块。可以使用以下代码进行导入:
import pandas as pd
步骤2:创建一个示例DataFrame
使用以下代码,我们可以创建一个示例数据框DataFrame:
data = {'name': ['Tom', 'Jerry', 'John', 'Mike'],
'age': [25, 47, 30, 31],
'city': ['NY', 'LA', 'SF', 'Chicago']}
df = pd.DataFrame(data)
print(df)
输出结果应为:
name age city
0 Tom 25 NY
1 Jerry 47 LA
2 John 30 SF
3 Mike 31 Chicago
步骤3:使用reset_index()函数在数据框DataFrame中重新设置索引
使用reset_index()函数,我们可以在现有DataFrame中重置索引。在重新设置索引之前,让我们先添加一列来看看原DataFrame和新DataFrame之间的区别:
# 添加ID列
df['ID'] = [1001, 1002, 1003, 1004]
print(df)
# 重置索引
df_reset = df.reset_index()
print(df_reset)
输出结果应为:
name age city ID
0 Tom 25 NY 1001
1 Jerry 47 LA 1002
2 John 30 SF 1003
3 Mike 31 Chicago 1004
index name age city ID
0 0 Tom 25 NY 1001
1 1 Jerry 47 LA 1002
2 2 John 30 SF 1003
3 3 Mike 31 Chicago 1004
在这里,我们可以看到原始DataFrame与新DataFrame之间的差异。可以将新DataFrame看作与原始DataFrame具有相同的数据,但现在索引已重置。
步骤4:移动索引
我们可以看到,新DataFrame仍然包含原始DataFrame中的索引列,这可以通过使用 drop 参数来避免:
# 移除原始索引列
df_reset1 = df.reset_index(drop=True)
print(df_reset1)
输出结果应为:
name age city ID
0 Tom 25 NY 1001
1 Jerry 47 LA 1002
2 John 30 SF 1003
3 Mike 31 Chicago 1004
现在,我们可以看到新DataFrame中不再包含原始DataFrame中的索引列。
这些步骤就是在数据框DataFrame中重新设置索引的完整攻略。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Pandas 如何在给定的DataFrame中重置索引 - Python技术站