Pandas 索引

在 Pandas 中，索引是指标识 DataFrame 或 Series 中的行或列的带标签的数组。例如，

    Name    Age      City
0   John     25  New York
1  Alice     28    London
2    Bob     32     Paris

在上面的 DataFrame 中，数字 0、1 和 2 代表索引，为每行提供唯一的标签。

我们可以使用索引来唯一标识数据，并高效精确地访问数据。

在 Pandas 中创建索引

Pandas 提供了几种创建索引的方法。一些常用方法如下：

• 默认索引
• 设置索引
• 创建范围索引

默认索引

当我们创建 DataFrame 或 Series 而不显式指定索引时，Pandas 会分配一个从 0 开始的默认整数索引。例如，

import pandas as pd

data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 28, 32],
        'City': ['New York', 'London', 'Paris']}

df = pd.DataFrame(data)
print(df)

输出

    Name  Age      City
0   John   25  New York
1  Alice   28    London
2    Bob   32     Paris

在此示例中，默认索引 [0, 1, 2] 会自动分配给行。

设置索引

我们可以使用 set_index() 方法将现有列设置为索引。例如，

import pandas as pd

# create dataframe
data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 28, 32],
        'City': ['New York', 'London', 'Paris']}

df = pd.DataFrame(data)

# set the 'Name' column as index
df.set_index('Name', inplace=True)

print(df)

输出

Name     Age    City      
John     25  New York
Alice    28    London
Bob      32     Paris

在此示例中，Name 列被设置为索引，取代了默认的整数索引。

这里，inplace=True 参数直接在对象本身上执行操作，而无需创建新对象。当我们指定 inplace=True 时，原始对象会被修改，更改会直接应用。

创建范围索引

我们可以使用 RangeIndex() 函数创建具有特定开始和结束值的范围索引。例如，

import pandas as pd

# create dataframe
data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 28, 32],
        'City': ['New York', 'London', 'Paris']}

df = pd.DataFrame(data)

# create a range index
df = pd.DataFrame(data, index=pd.RangeIndex(5, 8, name='Index'))

print(df)

输出

         Name  Age      City
Index                       
5        John   25  New York
6       Alice   28    London
7         Bob   32     Paris

这里，创建了一个从 5 到 8（不含）的范围索引，名称为 Index。

修改 Pandas 中的索引

Pandas 允许我们轻松地对索引进行更改。一些常见的修改操作是：

• 重命名索引
• 重置索引

重命名索引

我们可以使用 rename() 方法重命名索引。例如，

import pandas as pd

# create a dataframe
data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 28, 32],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# display original dataframe
print('Original DataFrame:')
print(df)
print()

# rename index
df.rename(index={0: 'A', 1: 'B', 2: 'C'}, inplace=True)

# display dataframe after index is renamed
print('Modified DataFrame')
print(df)

输出

Original DataFrame:
    Name  Age      City
0   John   25  New York
1  Alice   28    London
2    Bob   32     Paris

Modified DataFrame
    Name  Age      City
A   John   25  New York
B  Alice   28    London
C    Bob   32     Paris

在此示例中，我们将索引 0、1 和 2 分别重命名为 'A'、'B' 和 'C'。

重置索引

我们可以使用 reset_index() 方法将索引重置为默认整数索引。例如，

import pandas as pd

data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 28, 32],
        'City': ['New York', 'London', 'Paris']}

# create a dataframe
df = pd.DataFrame(data)

# rename index
df.rename(index={0: 'A', 1: 'B', 2: 'C'}, inplace=True)

# display dataframe
print('Original DataFrame:')
print(df)
print('\n')

# reset index
df.reset_index(inplace=True)

# display dataframe after index is reset
print('Modified DataFrame:')
print(df)

输出

Original DataFrame:
    Name  Age      City
A   John   25  New York
B  Alice   28    London
C    Bob   32     Paris

Modified DataFrame:
  index   Name  Age      City
0     A   John   25  New York
1     B  Alice   28    London
2     C    Bob   32     Paris

通过索引访问行

我们可以使用 .iloc 属性访问 DataFrame 的行。例如，

import pandas as pd

# create a dataframe
data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 28, 32],
        'City': ['New York', 'London', 'Paris']}

df = pd.DataFrame(data)

second_row = df.iloc[1]

print(second_row)

输出

Name     Alice
Age         28
City    London
Name: 1, dtype: object

在此示例中，我们使用 .iloc 属性通过其索引值（1）显示了 df DataFrame 的第二行。

要了解更多信息，请访问 Pandas 索引和切片 文章。

获取 DataFrame 索引

我们可以使用 index 属性访问 DataFrame 索引。例如，

import pandas as pd

# create a dataframe
data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 28, 32],
        'City': ['New York', 'London', 'Paris']}

df = pd.DataFrame(data)

# return index object
print(df.index)

# return index values
print(df.index.values)

输出

RangeIndex(start=0, stop=3, step=1)
[0 1 2]

这里，

• df.index - 返回索引对象
• df.index.values - 以列表形式返回索引值

索引类型

Pandas 支持不同类型的索引，它们根据数据需求提供各种功能。下表列出了一些值得注意的类型。

除此以外，还有其他类型的索引：

要了解更多信息，请参阅关于 Pandas 索引 的官方文档。