pandas如何重置DataFrame索引？重置索引方法全介紹！

在pandas的日常使用中，經(jīng)常對數(shù)據(jù)進行處理會導致數(shù)據(jù)索引順序錯亂，從而影響數(shù)據(jù)讀取、插入等。今天小編就帶來了幾種pandas如何重置DataFrame索引的方法，喜歡能對小伙伴們有所幫助。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(20).reshape((5, 4)),columns=['a', 'b', 'c', 'd'])
#得到df：
     a    b    c    d
0    0    1    2    3
1    4    5    6    7
2    8    9    10   11
3    12   13   14   15
4    16   17   18   19

# 對其重排順序，得到索引順序倒序的數(shù)據(jù)
df2 = df.sort_values('a', ascending=False)
# 得到df2：
     a    b     c     d
4    16   17    18    19
3    12   13    14    15
2    8    9     10    11
1    4    5     6     7
0    0    1     2     3

下面對df2重置索引，使其索引從0開始

法一：

簡單粗暴：

df2.index = range(len(df2))

# 輸出df2：
     a     b     c     d
0    16    17    18    19
1    12    13    14    15
2    8     9     10    11
3    4     5     6     7
4    0     1     2     3

法二：

df2 = df2.reset_index(drop=True)  # drop=True表示刪除原索引，不然會在數(shù)據(jù)表格中新生成一列'index'數(shù)據(jù)
# 輸出df2：
     a     b     c     d
0    16    17    18    19
1    12    13    14    15
2    8     9     10    11
3    4     5     6     7
4    0     1     2     3

法三：

df2 = df2.reindex(labels=range(len(df))  #labels是第一個參數(shù)，可以省略
# 輸出df2
     a     b     c     d
0    16    17    18    19
1    12    13    14    15
2    8     9     10    11
3    4     5     6     7
4    0     1     2     3

# 注：df = df.reindex(index=[])，在原數(shù)據(jù)結(jié)構(gòu)上新建行（index是新索引，若新建數(shù)據(jù)索引在原數(shù)據(jù)中存在，則引用原有數(shù)據(jù)），默認用NaN填充(使用fill_value=0 來修改填充值自定義，此處我設(shè)置的是0)。
# df = df.reindex(columns=[])，在原數(shù)據(jù)結(jié)構(gòu)上新建列，方法與新建行一樣

法四：

df2 = df2.set_index(keys=['a', 'c'])  # 將原數(shù)據(jù)a, c列的數(shù)據(jù)作為索引。
# drop=True，默認，是將數(shù)據(jù)作為索引后，在表格中刪除原數(shù)據(jù)
# append=False，默認，是將新設(shè)置的索引設(shè)置為內(nèi)層索引，原索引是外層索引

# 輸出df2，注意a,c列是索引:
            b     d
a     c        
16    18    17    19
12    14    13    15
8     10    9     11
4     6     5     7
0     2     1     3

小結(jié)

到此這篇關(guān)于pandas如何重置dataframe索引的文章就介紹到這了,更多pandas相關(guān)的學習內(nèi)容請搜索W3Cschool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W3Cschool！