列级 - df.reset_index() - 索引转列

索引转列

import numpy as np
import pandas as pd
reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')
df.reset_index(level=0, inplace=True, drop=True)  # 索引转回列
df_rename = df.rename(columns={"index": "新名字"})  # 可能还要改名

level：可以是int, str, tuple, or list, default None等类型。作用是只从索引中删除给定级别。默认情况下删除所有级别。
drop=True 不想保留原来的index，默认值是False
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。
col_level：int or str, default=0。如果列有多个级别，则确定将标签插入到哪个级别。默认情况下，它将插入到第一层。
col_fill：object, default。如果列有多个级别，则确定其他级别的命名方式。如果没有，则复制索引名称。

def pandas():
    try:
        df = pd.DataFrame()
        ls = [
        {'名字': '小A', 'd1': 1},
        {'名字': '小A', 'd1': 2},
        {'名字': '小B', 'd1': 2},
        {'名字': '小B', 'd1': 2},
        ]
        df = df.append(ls, ignore_index=True)
        # 无原索引
        df = df.reset_index(level=0, drop=True)
        #    名字  d1
        # 0  小A   1 
        # 1  小A   2 
        # 2  小B   2 
        # 3  小B   2 
        # 有原索引
        df = df.reset_index(level=0)
        #    index  名字  d1
        # 0      0  小A   1 
        # 1      1  小A   2 
        # 2      2  小B   2 
        # 3      3  小B   2 
        # 改原表
        df.reset_index(level=0, inplace=True, drop=True) 
        #    名字  d1
        # 0  小A   1 
        # 1  小A   2 
        # 2  小B   2 
        # 3  小B   2 
        # 错误用法
        df = df.reset_index(level=0, inplace=True, drop=True)
        # None
        print(df)
    except:
        print("no")
        raise
if __name__ == "__main__":
    pandas()