Python之pandas：对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略

你的名字 2022-10-22 04:30 246阅读 0赞

**目录**

对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略

知识点学习

输出结果

实现代码

--------------------

# 对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略 #

## 知识点学习 ##

*  构造数据
 *  查看索引
 *  修改列索引内元素名称  
    \# 重命名指定行索引名称， \[\]列表的长度必须与df行数一致，可以重复  
    \# 输出当前的索引列名称
 *  设置单个索引列  
    \# 指定索引列，其中drop=False 表示保留原先索引列的数据  
    \# 设置索引列名称  
    \# 输出当前的索引列名称
 *  字段去重  
    \# unique()对某列实现去重
 *  设置复合索引：将多列设置为索引  
    \# 输出当前的索引列名称

## 输出结果 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70][]

RangeIndex(start=0, stop=4, step=1)
              Unnamed: 0  name  ID   age  sex
    0_Rename           0   Bob   1   NaN    男
    1_Rename           1  LiSa   2  28.0    女
    2_Rename           2  Mary   3  38.0    女
    3_Rename           3  Alan   4   NaN  NaN
    None
    单个索引列： Index_From_ID
                   Unnamed: 0  name   age  sex
    Index_From_ID                             
    1                       0   Bob   NaN    男
    2                       1  LiSa  28.0    女
    3                       2  Mary  38.0    女
    4                       3  Alan   NaN  NaN
    字段去重 ['男' '女' nan]
    复合索引列： None
               Unnamed: 0  ID  sex
    name age                      
    Bob  NaN            0   1    男
    LiSa 28.0           1   2    女
    Mary 38.0           2   3    女
    Alan NaN            3   4  NaN

## 实现代码 ##

# 1、定义数据集
    contents={"name": ['Bob',        'LiSa',                     'Mary',                       'Alan'],
              "ID":   [1,              2,                            3,                            4],    # 输出 NaN
              "ID02":   [1,              2,                         ' ',                          None],    # 输出 NaN
              "age":  [np.nan,        28,                           38 ,                          '' ],   # 输出 
              "age02":  [14,           26,                           24 ,                          6], 
              "age03":  [14,           '26',                      '24' ,                        '6'], 
            "born": [pd.NaT,     pd.Timestamp("1990-01-01"),  pd.Timestamp("1980-01-01"),        ''],     # 输出 NaT
              "sex":  ['男',          '女',                        '女',                        None,],   # 输出 None
              "hobbey":['打篮球',     '打羽毛球',                   '打乒乓球',                    '',],   # 输出 
              "money":[200.0,                240.0,                   290.0,                     300.0],  # 输出
              "weight":[140.5,                120.8,                 169.4,                      155.6],  # 输出
              "test01":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 输出
              "test02":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 输出
              }
    
    data_frame = pd.DataFrame(contents)
    
    # Python之pandas：对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略
    
    
    # 构造数据
    cols01=["name","ID","age","sex",]
    nums_df_temp=data_frame.loc[:,cols01]
    nums_csv_file="nums_df_temp.csv"
    nums_df_temp.to_csv(nums_csv_file)
    nums_df=pd.read_csv(nums_csv_file)
    nums_df02=nums_df.copy()
    
    
    # 查看索引
    print('查看原始索引',nums_df.index)                   
    
    
    # 修改列索引内元素名称
    nums_df.index = ["0_Rename","1_Rename","2_Rename","3_Rename"]      # 重命名指定行索引名称， []列表的长度必须与df行数一致，可以重复
    print(nums_df)
    
    
    # 输出当前的索引列名称
    print(nums_df.index.name)
    
    
    # 设置单个索引列
    nums_df=nums_df.set_index('ID',drop=True)     # 指定索引列，其中drop=False 表示保留原先索引列的数据
    nums_df.index.name = 'Index_From_ID'          # 设置索引列名称
    print('单个索引列：',nums_df.index.name)       # 输出当前的索引列名称
    print(nums_df)
    
    
    # 字段去重
    print('字段去重',nums_df["sex"].unique())               # unique()对某列实现去重
    
    
    
    # 设置复合索引：将多列设置为索引
    nums_df02 = nums_df02.set_index(["name", "age"])
    print('复合索引列：',nums_df02.index.name)                    # 输出当前的索引列名称
    print(nums_df02)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMTg1ODY4_size_16_color_FFFFFF_t_70]: /images/20221022/0131370265fa40f5833ce7ab8b9b75ef.png