在數(shù)據(jù)處理時，經(jīng)常會因為index報錯而發(fā)愁。不要緊，本次來和大家聊聊pandas中處理索引的幾種常用方法。

1.讀取時指定索引列

很多情況下，我們的數(shù)據(jù)源是 CSV 文件。假設(shè)有一個名為的文件data.csv，包含以下數(shù)據(jù)。 

date,temperature,humidity  
07/01/21,95,50  
07/02/21,94,55  
07/03/21,94,56 

默認情況下，pandas將會創(chuàng)建一個從0開始的索引行，如下： 

>>> pd.read_csv("data.csv", parse_dates=["date"])  
        date  temperature  humidity  
0 2021-07-01           95        50  
1 2021-07-02           94        55  
2 2021-07-03           94        56 

但是，我們可以在導(dǎo)入過程中通過將index_col參數(shù)設(shè)置為某一列可以直接指定索引列。 

>>> pd.read_csv("data.csv", parse_dates=["date"], index_col="date")  
            temperature  humidity  
date                               
2021-07-01           95        50  
2021-07-02           94        55  
2021-07-03           94        56 

2. 使用現(xiàn)有的 DataFrame 設(shè)置索引

當然，如果已經(jīng)讀取數(shù)據(jù)或做完一些數(shù)據(jù)處理步驟后，我們可以通過set_index手動設(shè)置索引。 

>>> df = pd.read_csv("data.csv", parse_dates=["date"])  
>>> df.set_index("date")  
            temperature  humidity  
date                               
2021-07-01           95        50  
2021-07-02           94        55  
2021-07-03           94        56 

這里有兩點需要注意下。

   1.   set_index方法默認將創(chuàng)建一個新的 DataFrame。如果要就地更改df的索引，需要設(shè)置inplace=True。 

df.set_index(“date”, inplace=True) 

   2.   如果要保留將要被設(shè)置為索引的列，可以設(shè)置drop=False。 

df.set_index(“date”, drop=False) 

3. 一些操作后重置索引

在處理 DataFrame 時，某些操作（例如刪除行、索引選擇等）將會生成原始索引的子集，這樣默認的數(shù)字索引排序就亂了。如要重新生成連續(xù)索引，可以使用reset_index方法。 

>>> df0 = pd.DataFrame(np.random.rand(5, 3), columns=list("ABC"))  
>>> df0  
          A         B         C  
0  0.548012  0.288583  0.734276  
1  0.342895  0.207917  0.995485  
2  0.378794  0.160913  0.971951  
3  0.039738  0.008414  0.226510  
4  0.581093  0.750331  0.133022  
>>> df1 = df0[df0.index % 2 == 0]  
>>> df1  
          A         B         C  
0  0.548012  0.288583  0.734276  
2  0.378794  0.160913  0.971951  
4  0.581093  0.750331  0.133022  
>>> df1.reset_index(drop=True)  
          A         B         C  
0  0.548012  0.288583  0.734276  
1  0.378794  0.160913  0.971951  
2  0.581093  0.750331  0.133022 

通常，我們是不需要保留舊索引的，因此可將drop參數(shù)設(shè)置為True。同樣，如果要就地重置索引，可設(shè)置inplace參數(shù)為True，否則將創(chuàng)建一個新的 DataFrame。

4. 將索引從 groupby 操作轉(zhuǎn)換為列

groupby分組方法是經(jīng)常用的。比如下面通過添加一個分組列team來進行分組。 

>>> df0["team"] = ["X", "X", "Y", "Y", "Y"]  
>>> df0  
          A         B         C team  
0  0.548012  0.288583  0.734276    X  
1  0.342895  0.207917  0.995485    X  
2  0.378794  0.160913  0.971951    Y  
3  0.039738  0.008414  0.226510    Y  
4  0.581093  0.750331  0.133022    Y  
>>> df0.groupby("team").mean()  
             A         B         C  
team                                
X     0.445453  0.248250  0.864881  
Y     0.333208  0.306553  0.443828 

默認情況下，分組會將分組列編程index索引。但是很多情況下，我們不希望分組列變成索引，因為可能有些計算或者判斷邏輯還是需要用到該列的。因此，我們需要設(shè)置一下讓分組列不成為索引，同時也能完成分組的功能。

有兩種方法可以完成所需的操作，第一種是用reset_index，第二種是在groupby方法里設(shè)置as_index=False。個人更喜歡第二種方法，它只涉及兩個步驟，更簡潔。 

>>> df0.groupby("team").mean().reset_index()  
  team         A         B         C  
0    X  0.445453  0.248250  0.864881  
1    Y  0.333208  0.306553  0.443828  
>>> df0.groupby("team", as_index=False).mean()  
  team         A         B         C  
0    X  0.445453  0.248250  0.864881  
1    Y  0.333208  0.306553  0.443828 

5.排序后重置索引

當用sort_value排序方法時也會遇到這個問題，因為默認情況下，索引index跟著排序順序而變動，所以是亂雪。如果我們希望索引不跟著排序變動，同樣需要在sort_values方法中設(shè)置一下參數(shù)ignore_index即可。 

>>> df0.sort_values("A")  
          A         B         C team  
3  0.039738  0.008414  0.226510    Y  
1  0.342895  0.207917  0.995485    X  
2  0.378794  0.160913  0.971951    Y  
0  0.548012  0.288583  0.734276    X  
4  0.581093  0.750331  0.133022    Y  
>>> df0.sort_values("A", ignore_index=True)  
          A         B         C team  
0  0.039738  0.008414  0.226510    Y  
1  0.342895  0.207917  0.995485    X  
2  0.378794  0.160913  0.971951    Y  
3  0.548012  0.288583  0.734276    X  
4  0.581093  0.750331  0.133022    Y 

6.刪除重復(fù)后重置索引

刪除重復(fù)項和排序一樣，默認執(zhí)行后也會打亂排序順序。同理，可以在drop_duplicates方法中設(shè)置ignore_index參數(shù)True即可。 

>>> df0  
          A         B         C team  
0  0.548012  0.288583  0.734276    X  
1  0.342895  0.207917  0.995485    X  
2  0.378794  0.160913  0.971951    Y  
3  0.039738  0.008414  0.226510    Y  
4  0.581093  0.750331  0.133022    Y  
>>> df0.drop_duplicates("team", ignore_index=True)  
          A         B         C team  
0  0.548012  0.288583  0.734276    X  
1  0.378794  0.160913  0.971951    Y 

7. 索引的直接賦值

當我們有了一個 DataFrame 時，想要使用不同的數(shù)據(jù)源或單獨的操作來分配索引。在這種情況下，可以直接將索引分配給現(xiàn)有的 df.index。 

>>> better_index = ["X1", "X2", "Y1", "Y2", "Y3"]  
>>> df0.index = better_index  
>>> df0  
           A         B         C team  
X1  0.548012  0.288583  0.734276    X  
X2  0.342895  0.207917  0.995485    X  
Y1  0.378794  0.160913  0.971951    Y  
Y2  0.039738  0.008414  0.226510    Y  
Y3  0.581093  0.750331  0.133022    Y 

8.寫入CSV文件時忽略索引

數(shù)據(jù)導(dǎo)出到 CSV 文件時，默認 DataFrame 具有從 0 開始的索引。如果我們不想在導(dǎo)出的 CSV 文件中包含它，可以在to_csv方法中設(shè)置index參數(shù)。 

>>> df0.to_csv("exported_file.csv", index=False) 

如下所示，導(dǎo)出的 CSV 文件中，索引列未包含在文件中。

其實，很多方法中都有關(guān)于索引的設(shè)置，只不過大家一般比較關(guān)心數(shù)據(jù)，而經(jīng)常忽略了索引，才導(dǎo)致繼續(xù)運行時可能會報錯。以上幾個高頻的操作都是有索引設(shè)置的，建議大家平時用的時候養(yǎng)成設(shè)置索引的習慣，這樣會節(jié)省不少時間。