set_index( )

1
DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

keys：列标签或列标签/数组列表，需要设置为索引的列；

drop：默认为True，删除用作新索引的列；

append：是否将列附加到现有索引，默认为False；

inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False；

verify_integrity：检查新索引的副本。否则，请将检查推迟到必要时进行。将其设置为false将提高该方法的性能，默认为false。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import pandas as pd
import numpy as np
import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide',True)
pd.set_option('display.unicode.east_asian_width',True)

df = pd.DataFrame({  
    "name":["小明","小红","小侯","小周","小孙"],   
    "sex":["男","女","女","男","男"],
    "money":[10000,8009,78000,76000,187000],
    "class":[1,2,2,1,2]
})

df = df.sort_values(by=['money'],ascending=False)
df
1
2
3
4
5
6
   name sex   money  class
4  小孙  男  187000      2
2  小侯  女   78000      2
3  小周  男   76000      1
0  小明  男   10000      1
1  小红  女    8009      2

1、drop=True，删除用作新索引的列

2、append=False，将列附加到现有索引

1
2
df_new = df.set_index('name',drop=True, append=False, inplace=False, verify_integrity=False)
df_new
1
2
3
4
5
6
7
     sex   money  class
name                   
小孙  男  187000      2
小侯  女   78000      2
小周  男   76000      1
小明  男   10000      1
小红  女    8009      2

1、drop=False，不删除用作新索引的列

2、append=False，将列附加到现有索引

1
2
df_new1 = df.set_index('name',drop=False, append=False, inplace=False, verify_integrity=False)
print(df_new1)
1
2
3
4
5
6
7
      name sex   money  class
name                         
小孙  小孙  男  187000      2
小侯  小侯  女   78000      2
小周  小周  男   76000      1
小明  小明  男   10000      1
小红  小红  女    8009      2

append=True，保留原索引和新索引

1
2
df_new2 = df.set_index('name',drop=False, append=True, inplace=False, verify_integrity=False)
print(df_new2)
1
2
3
4
5
6
7
        name sex   money  class
  name                         
4 小孙  小孙  男  187000      2
2 小侯  小侯  女   78000      2
3 小周  小周  男   76000      1
0 小明  小明  男   10000      1
1 小红  小红  女    8009      2

reset_index()

1
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

evel：数值类型可以为：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：当指定drop=False时，则索引列会被还原为普通列；否则，经设置后的新索引值被会丢弃。默认为False**。

inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False。

col_level：数值类型为int或str，默认值为0，如果列有多个级别，则确定将标签插入到哪个级别。默认情况下，它将插入到第一级。

col_fill：对象，默认‘’，如果列有多个级别，则确定其他级别的命名方式。如果没有，则重复索引名。

注:eset_index（）还原可分为两种类型，第一种是对原来的数据表进行reset；第二种是对使用过set_index()函数的数据表进行reset。

第一种方法

1
2
df_new = df.set_index('name',drop=True, append=False, inplace=False, verify_integrity=False)
print(df_new)
1
2
3
4
5
6
7
     sex   money  class
name                   
小孙  男  187000      2
小侯  女   78000      2
小周  男   76000      1
小明  男   10000      1
小红  女    8009      2

第二种方法

用reset_index（）函数进行还原df_new

1
2
df_new01 = df_new.reset_index(drop=False)
print(df_new01)
1
2
3
4
5
6
   name sex   money  class
0  小孙  男  187000      2
1  小侯  女   78000      2
2  小周  男   76000      1
3  小明  男   10000      1
4  小红  女    8009      2