在pandas中，經常對數據進行處理 而導致數據索引順序混亂，從而影響數據讀取、插入等。
小筆總結了以下幾種重置索引的方法：
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據
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，不然會在數據表格中新生成一列'index'數據
# 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，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=[])，在原數據結構上新建行（index是新索引，若新建數據索引在原數據中存在，則引用原有數據），默認用NaN填充(使用fill_value=0 來修改填充值自定義，此處我設置的是0)。
# df = df.reindex(columns=[])，在原數據結構上新建列，方法與新建行一樣
法四：
df2 = df2.set_index(keys=['a', 'c']) # 將原數據a, c列的數據作為索引。
# drop=True，默認，是將數據作為索引后，在表格中刪除原數據
# append=False，默認，是將新設置的索引設置為內層索引，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
到此這篇關于pandas中DataFrame重置索引的幾種方法的文章就介紹到這了,更多相關pandas DataFrame重置索引內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 在Python中pandas.DataFrame重置索引名稱的實例
- python pandas 對series和dataframe的重置索引reindex方法
