- +在此添加单个AI新笔记
pandas set_index
-%E5%88%97%E8%BD%AC%E7%B4%A2%E5%BC%95.png&w=3840&q=85)
列转索引
在Pandas中，set_index 是一个用于设置 DataFrame 索引的函数。这个函数使你可以指定一列或多列作为 DataFrame 的行索引，从而改变数据的视角和组织方式。以下是 set_index 函数的一些关键特点：
重设索引:
set_index 允许你将现有的列转换为索引，从而改变数据的组织结构。
多级索引:
可以设置多个列作为索引，创建一个分层索引（MultiIndex）。
就地修改:
通过设置 inplace=True，set_index 可以就地修改原始 DataFrame，不返回新的 DataFrame。
保持列:
如果不想将指定的列用作索引，但仍然想保留它们作为列，可以使用 drop=False。
索引验证:
set_index 会检查索引的唯一性和排序状态，确保索引的有效性。
适用于时间序列数据:
set_index 特别适用于将时间序列数据设置为索引，以便于时间序列分析。
import numpy as npimport pandas as pddf = pd.DataFrame(data=[{"A":"one", "B":"a"}, {"A":"two", "B":"b"}, {"A":"one", "B":1}])
| A | B | |
|---|---|---|
| 0 | one | a |
| 1 | two | b |
| 2 | one | 1 |
df.set_index('A', inplace=True) # A列转为索引data = df.set_index('A', inplace=False) # A列转为索引
| B | |
|---|---|
| A | |
| one | a |
| two | b |
| one | 1 |
转成索引列可以固定住
inplace = True：不创建新的对象，直接对原始对象进行修改；
inplace = False：对数据进行修改，创建并返回新的对象承载其修改结果。