快捷導(dǎo)航

pandas中8種常用的index 索引設(shè)置

更新時(shí)間：2024年07月23日 10:48:46 作者：Python數(shù)據(jù)科學(xué)

在數(shù)據(jù)處理時(shí),經(jīng)常會(huì)因?yàn)閕ndex報(bào)錯(cuò)而發(fā)愁,本文主要介紹了pandas中8種常用的index 索引設(shè)置,具有一定的參考價(jià)值,感興趣的可以了解一下

1.讀取時(shí)指定索引列

很多情況下，我們的數(shù)據(jù)源是 CSV 文件。假設(shè)有一個(gè)名為的文件data.csv，包含以下數(shù)據(jù)。

date,temperature,humidity
07/01/21,95,50
07/02/21,94,55
07/03/21,94,56

默認(rèn)情況下，pandas將會(huì)創(chuàng)建一個(gè)從0開(kāi)始的索引行，如下：

>>> pd.read_csv("data.csv", parse_dates=["date"])
        date  temperature  humidity
0 2021-07-01           95        50
1 2021-07-02           94        55
2 2021-07-03           94        56

但是，我們可以在導(dǎo)入過(guò)程中通過(guò)將index_col參數(shù)設(shè)置為某一列可以直接指定索引列。

>>> pd.read_csv("data.csv", parse_dates=["date"], index_col="date")
            temperature  humidity
date                             
2021-07-01           95        50
2021-07-02           94        55
2021-07-03           94        56

2. 使用現(xiàn)有的 DataFrame 設(shè)置索引

當(dāng)然，如果已經(jīng)讀取數(shù)據(jù)或做完一些數(shù)據(jù)處理步驟后，我們可以通過(guò)set_index手動(dòng)設(shè)置索引。

>>> df = pd.read_csv("data.csv", parse_dates=["date"])
>>> df.set_index("date")
            temperature  humidity
date                             
2021-07-01           95        50
2021-07-02           94        55
2021-07-03           94        56

這里有兩點(diǎn)需要注意下。

set_index方法默認(rèn)將創(chuàng)建一個(gè)新的 DataFrame。如果要就地更改df的索引，需要設(shè)置inplace=True。

df.set_index(“date”, inplace=True)

如果要保留將要被設(shè)置為索引的列，可以設(shè)置drop=False。

df.set_index(“date”, drop=False)

3. 一些操作后重置索引

在處理 DataFrame 時(shí)，某些操作（例如刪除行、索引選擇等）將會(huì)生成原始索引的子集，這樣默認(rèn)的數(shù)字索引排序就亂了。如要重新生成連續(xù)索引，可以使用reset_index方法。

>>> df0 = pd.DataFrame(np.random.rand(5, 3), columns=list("ABC"))
>>> df0
          A         B         C
0  0.548012  0.288583  0.734276
1  0.342895  0.207917  0.995485
2  0.378794  0.160913  0.971951
3  0.039738  0.008414  0.226510
4  0.581093  0.750331  0.133022
>>> df1 = df0[df0.index % 2 == 0]
>>> df1
          A         B         C
0  0.548012  0.288583  0.734276
2  0.378794  0.160913  0.971951
4  0.581093  0.750331  0.133022
>>> df1.reset_index(drop=True)
          A         B         C
0  0.548012  0.288583  0.734276
1  0.378794  0.160913  0.971951
2  0.581093  0.750331  0.133022

通常，我們是不需要保留舊索引的，因此可將drop參數(shù)設(shè)置為True。同樣，如果要就地重置索引，可設(shè)置inplace參數(shù)為True，否則將創(chuàng)建一個(gè)新的 DataFrame。

4. 將索引從 groupby 操作轉(zhuǎn)換為列

groupby分組方法是經(jīng)常用的。比如下面通過(guò)添加一個(gè)分組列team來(lái)進(jìn)行分組。

>>> df0["team"] = ["X", "X", "Y", "Y", "Y"]
>>> df0
          A         B         C team
0  0.548012  0.288583  0.734276    X
1  0.342895  0.207917  0.995485    X
2  0.378794  0.160913  0.971951    Y
3  0.039738  0.008414  0.226510    Y
4  0.581093  0.750331  0.133022    Y
>>> df0.groupby("team").mean()
             A         B         C
team                              
X     0.445453  0.248250  0.864881
Y     0.333208  0.306553  0.443828

默認(rèn)情況下，分組會(huì)將分組列編程index索引。但是很多情況下，我們不希望分組列變成索引，因?yàn)榭赡苡行┯?jì)算或者判斷邏輯還是需要用到該列的。因此，我們需要設(shè)置一下讓分組列不成為索引，同時(shí)也能完成分組的功能。

有兩種方法可以完成所需的操作，第一種是用reset_index，第二種是在groupby方法里設(shè)置as_index=False。個(gè)人更喜歡第二種方法，它只涉及兩個(gè)步驟，更簡(jiǎn)潔。

>>> df0.groupby("team").mean().reset_index()
  team         A         B         C
0    X  0.445453  0.248250  0.864881
1    Y  0.333208  0.306553  0.443828
>>> df0.groupby("team", as_index=False).mean()
  team         A         B         C
0    X  0.445453  0.248250  0.864881
1    Y  0.333208  0.306553  0.443828

5.排序后重置索引

當(dāng)用sort_value排序方法時(shí)也會(huì)遇到這個(gè)問(wèn)題，因?yàn)槟J(rèn)情況下，索引index跟著排序順序而變動(dòng)，所以是亂雪。如果我們希望索引不跟著排序變動(dòng)，同樣需要在sort_values方法中設(shè)置一下參數(shù)ignore_index即可。

>>> df0.sort_values("A")
          A         B         C team
3  0.039738  0.008414  0.226510    Y
1  0.342895  0.207917  0.995485    X
2  0.378794  0.160913  0.971951    Y
0  0.548012  0.288583  0.734276    X
4  0.581093  0.750331  0.133022    Y
>>> df0.sort_values("A", ignore_index=True)
          A         B         C team
0  0.039738  0.008414  0.226510    Y
1  0.342895  0.207917  0.995485    X
2  0.378794  0.160913  0.971951    Y
3  0.548012  0.288583  0.734276    X
4  0.581093  0.750331  0.133022    Y

6.刪除重復(fù)后重置索引

刪除重復(fù)項(xiàng)和排序一樣，默認(rèn)執(zhí)行后也會(huì)打亂排序順序。同理，可以在drop_duplicates方法中設(shè)置ignore_index參數(shù)True即可。

>>> df0
          A         B         C team
0  0.548012  0.288583  0.734276    X
1  0.342895  0.207917  0.995485    X
2  0.378794  0.160913  0.971951    Y
3  0.039738  0.008414  0.226510    Y
4  0.581093  0.750331  0.133022    Y
>>> df0.drop_duplicates("team", ignore_index=True)
          A         B         C team
0  0.548012  0.288583  0.734276    X
1  0.378794  0.160913  0.971951    Y

7. 索引的直接賦值

當(dāng)我們有了一個(gè) DataFrame 時(shí)，想要使用不同的數(shù)據(jù)源或單獨(dú)的操作來(lái)分配索引。在這種情況下，可以直接將索引分配給現(xiàn)有的 df.index。

>>> better_index = ["X1", "X2", "Y1", "Y2", "Y3"]
>>> df0.index = better_index
>>> df0
           A         B         C team
X1  0.548012  0.288583  0.734276    X
X2  0.342895  0.207917  0.995485    X
Y1  0.378794  0.160913  0.971951    Y
Y2  0.039738  0.008414  0.226510    Y
Y3  0.581093  0.750331  0.133022    Y

8.寫(xiě)入CSV文件時(shí)忽略索引

數(shù)據(jù)導(dǎo)出到 CSV 文件時(shí)，默認(rèn) DataFrame 具有從 0 開(kāi)始的索引。如果我們不想在導(dǎo)出的 CSV 文件中包含它，可以在to_csv方法中設(shè)置index參數(shù)。

>>> df0.to_csv("exported_file.csv", index=False)

如下所示，導(dǎo)出的 CSV 文件中，索引列未包含在文件中。

在這里插入圖片描述

其實(shí)，很多方法中都有關(guān)于索引的設(shè)置，只不過(guò)大家一般比較關(guān)心數(shù)據(jù)，而經(jīng)常忽略了索引，才導(dǎo)致繼續(xù)運(yùn)行時(shí)可能會(huì)報(bào)錯(cuò)。以上幾個(gè)高頻的操作都是有索引設(shè)置的，建議大家平時(shí)用的時(shí)候養(yǎng)成設(shè)置索引的習(xí)慣，這樣會(huì)節(jié)省不少時(shí)間。

到此這篇關(guān)于pandas中8種常用的index 索引設(shè)置的文章就介紹到這了,更多相關(guān)pandas index 索引內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: