pandas dataframe set_index 修改索引

最新推荐文章于 2025-07-15 00:15:00 发布
原创 最新推荐文章于 2025-07-15 00:15:00 发布 · 2.8k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #pycharm #开发语言

本文介绍了如何使用Pandas的set_index()方法修改DataFrame的索引，以避免默认索引列的出现。当索引设置不理想时，可以使用reset_index()还原。内容包括对DataFrame索引的理解，以及索引在数据操作中的作用。

set_index()修改索引

当我们要导出DataFrame中的数据时，经常会看到前面会多出一列，这一列一般是默认的索引列（当不手动指定索引时，pandas会默认从0开始，顺序生成索引），DataFrame中的索引是允许重复的。

以下代码截图来自Jupyter中文集成版(Python整合版)

Git地址：

https://github.com/DaiMaBang/Jupytericon-default.png?t=M1H3https://github.com/DaiMaBang/Jupyter

指定索引为id

 

如果认为设置的索引列不对，可以调用reset_index()进行索引还原

 

zhlkh
关注
pandas使用set_index函数将dataframe中的特定数据列转化为索引列（setting a new index of a dataframe）
data+scenario+science+insight
04-08 754
pandas使用set_index函数将dataframe中的特定数据列转化为索引列（setting a new index of a dataframe）
Pandas 数据索引优化：set_index_reset_index 技巧
AI天才研究院
06-27 1180
本报告系统解析Pandas核心操作set_index与的底层逻辑、优化技巧及工程应用。通过第一性原理推导索引在数据结构中的核心作用，结合理论模型与实践案例，覆盖从基础概念到高级场景的全维度分析。重点揭示索引转换过程中的内存管理策略、性能瓶颈及规避方法，为数据工程师提供从数据清洗到复杂分析的全流程优化指南。用户使用set_index内存爆炸：频繁转换导致数据复制，大文件处理时OOM（Out Of Memory）。性能损耗：未优化的索引设置导致后续locmerge操作变慢。
DataFrame.set_index()方法--Pandas
chongbaikaishi的博客
08-26 1608
为DataFrame重新设置索引（行标签）
Pandas.DataFrame.set_index() 添加索引 详解 含代码 含测试数据集 随Pandas版本持续更新
数象限
01-06 5484
本文基于 pandas2.2.0 编写。随着pandas的stable版本更迭，本文持续更新，不断完善补充。
数据分析-day06-pandas-dataFrame的set_index 详解
健康平安的活着的专栏
01-07 5921
DataFrame可以通过set_index方法，可以设置单索引和复合索引。 set_index( ) 将 DataFrame 中的列转化为行索引。默认的，当列变成行索引之后，原来的列就没了，但是可以通过设置drop来保留原来的列。 DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrit...
DataFrames——set_index
I'm zm
04-21 1338
Shared Index DataFrames可以理解为一组共享indexde Series的集合 import pandas as pd fandango = pd.read_csv('fandango_score_comparison.csv') print(fandango.head(2)) print(fandango.index)Custom Index set_index()函数允许你将
【Pandas】pandas DataFrame to_excel
weixin_39648905的博客
07-15 1788
`pandas.DataFrame.to_excel()` 是 Pandas 提供的用于将 DataFrame 写入 Excel 文件的方法。它支持多种参数来控制输出格式、位置、缺失值表示等，适用于生成结构化报表或数据导出。
【Pandas】pandas DataFrame set_index
weixin_39648905的博客
06-06 952
`pandas.DataFrame.set_index()` 是一个用于**将 DataFrame 中的一个或多个列设置为新的索引（index）**的方法。它常用于数据整理、索引优化、时间序列分析等场景，使得后续操作如分组、筛选、对齐更加高效。
【Pandas】pandas DataFrame set_flags
weixin_39648905的博客
04-08 676
`pandas.DataFrame.set_flags` 是一个方法，用于设置 DataFrame 的某些标志，例如是否允许重复的标签。这些标志可以影响 DataFrame 的行为和性能。
【Pandas】pandas DataFrame to_timestamp
weixin_39648905的博客
06-29 659
`pandas.DataFrame.to_timestamp` 用于将 **PeriodIndex** 或 **Period 类型数据** 转换为时间戳索引（DatetimeIndex）。该方法主要处理周期型数据（如月度、季度等）到时间戳的转换。
DataFrame修改index索引和columns列名
12-23
DataFrame修改index索引和columns列名 修改索引index 1、采取直接赋值的方法： df1=pd.DataFrame(np.arange(9).reshape(3,3),index=['bj','sh','gz'],columns=['a','b','c']) print(df1) #修改index，直接给index重新赋值 df1.index=['beijing','shanghai','guangzhou'] print(df1) 输出结果： 2、使用rename 可以自定义map函数（x是原有的行列值） def test_map(x): return x+
Python pandas.DataFrame调整列顺序及修改index名的方法
09-19
主要介绍了Python pandas.DataFrame调整列顺序及修改index名的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
Python pandas.DataFrame.set_index函数方法的使用
m0_60105488的博客
07-28 1616
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.set_index方法的使用。 原文地址：Python pandas.DataFrame.set_index函数方法的使用 ...
22_Pandas.DataFrame,重置列的行名(set_index）
qq_18351157的博客
06-22 6219
22_Pandas.DataFrame,重置列的行名(set_index） pandas.DataFrame中的现有列分配给索引index（行名，行标签）。为索引指定唯一的名称很方便，因为使用loc，at选择（提取）元素时很容易理解。 将描述以下内容。 set_index（）的使用方法 基本用法 将指定的列保留为数据：参数drop 分配多索引 将索引更改为另一列（重置） 更改原始对象：参数inplace 读取csv文件等时指定索引 使用索引（行名）提取（选择）行和元素 了解如何更改索引的一部分或将
pandas.DataFrame.set_index
weixin_34209851的博客
02-01 475
用于与pandas.DataFrame.reset_index做对比 DataFrame.set_index(keys,drop=True,append=False,inplace=False,verify_integrity=False)[source] Set the DataFrame index (row labels) using on...
【Pandas】数据预处理：set_index和reset_index
weixin_54827772的博客
01-20 1787
在 Pandas 中，索引（Index）是数据框架（DataFrame）中最基础却也最重要的概念之一。它就像数据的"门牌号"，不仅能帮助我们定位和访问数据，还能实现强大的数据对齐和分组操作。而set_index和reset_index这两个方法，就像是数据重组的"变形金刚"，让我们能够灵活地在列和索引之间转换，从而以不同的视角组织和分析数据。无论是在数据预处理、多级索引构建，还是在数据透视等场景中，熟练运用这两个方法都能让我们的数据分析工作事半功倍。
DataFrame中set_index()与reset_index()案例详解
热门推荐
漫步量化
11-15 2万+
DataFrame中set_index()与reset_index()案例详解 set_index() 官方文档 DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) keys 单个或多个（Multiindex）列名 drop defaul...
python pandas里dataframe中set_index和reset_index的用法
baidu_39344194的博客
02-17 7301
最近在学习利用python进行数据分析这本书，在数据重塑这一章节中对set_index和reset_index这两个函数的用法有一些不理解，查看了官方文档记录稍微有一些眉目，在这里方便后面查阅。 具体两个函数的效果见代码 import numpy as np import pandas as pd np.random.seed(12345) import matplotlib.pyplot as ...
行索引转换成列
xianglock的博客
04-28 4035
reset_index(): 函数原型：DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=’’) 参数解释: level：int、str、tuple或list，默认无，仅从索引中删除给定级别。默认情况下移除所有级别。控制了具体要还原的那个等级的索引 drop：drop为False则索...
dataframe set_index方法
最新发布
08-16
### set_index 方法的基本作用 `pandas.DataFrame.set_index` 方法用于为 DataFrame 设置新的索引（行标签）。新索引可以来自于 DataFrame 中的现有列，也可以来自于外部的 `array-like` 对象，还可以来自于其他索引对象。该方法允许将一个或多个列设置为索引，从而构建单层索引或层级索引（MultiIndex）[^2]。 --- ### 单列设置为索引 可以通过传入列名的方式将 DataFrame 中的某一列设为索引。默认情况下，原列仍保留在 DataFrame 中，除非设置 `drop=True` 以移除原列[^5]。 ```python import pandas as pd # 创建示例 DataFrame df = pd.DataFrame({ 'ID': ['A001', 'A002', 'A003'], 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35] }) # 将 'ID' 列设为索引 df_indexed = df.set_index('ID') print(df_indexed) ``` 输出结果： ``` Name Age ID A001 Alice 25 A002 Bob 30 A003 Charlie 35 ``` --- ### 多列设置为层级索引（MultiIndex） `set_index` 方法也支持将多个列组合为层级索引（MultiIndex），适用于需要多维索引结构的场景。例如，将 `'Gender'` 和 `'ID'` 同时设为索引： ```python # 添加 'Gender' 列 df['Gender'] = ['F', 'M', 'M'] # 使用两列构建 MultiIndex df_multi_index = df.set_index(['Gender', 'ID']) print(df_multi_index) ``` 输出结果： ``` Name Age Gender ID F A001 Alice 25 M A002 Bob 30 A003 Charlie 35 ``` --- ### 参数说明与使用注意事项 `set_index` 的完整语法如下： ```python DataFrame.set_index(keys, *, drop=True, append=False, inplace=False, verify_integrity=False) ``` - `keys`：用于设置索引的列名或列名列表。 - `drop`：是否删除作为索引的列，默认为 `True`。 - `append`：是否保留原有索引并将其作为层级索引的一部分，默认为 `False`。 - `inplace`：是否在原数据上修改，默认为 `False`。 - `verify_integrity`：是否检查新索引是否有重复值，默认为 `False`。 --- ### 示例：保留原索引并添加新索引 通过设置 `append=True`，可以将新的索引列追加到现有索引中，从而构建多层索引结构： ```python # 将 'ID' 添加为层级索引，保留原有默认索引 df_appended = df.set_index('ID', append=True) print(df_appended) ``` 输出结果： ``` Name Age Gender ID 0 A001 Alice 25 F 1 A002 Bob 30 M 2 A003 Charlie 35 M ``` --- ### 示例：不删除原列 如果希望将列设为索引的同时保留该列在 DataFrame 中，可以设置 `drop=False`： ```python df_indexed = df.set_index('ID', drop=False) print(df_indexed) ``` 输出结果： ``` ID Name Age Gender ID A001 A001 Alice 25 F A002 A002 Bob 30 M A003 A003 Charlie 35 M ``` --- ### 适用场景与总结 `set_index` 是用于重构 DataFrame 索引结构的重要方法，尤其适用于以下情况： - 需要基于某一列进行快速查找或分组操作。 - 构建具有层级结构的索引以支持多维数据分析。 - 在时间序列分析中将日期列设为索引。 - 与 `reset_index()` 配合使用，在数据变换过程中灵活调整索引结构[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值