如何將 Pandas DataFrame 的索引轉換為列

  1. df.index 將索引新增為新列
  2. 使用帶有 rename axisreset_index 重新命名當前索引列名
  3. set_index 方法將列轉換為索引
  4. MultiIndex 可在 column 上設定 indexs 的多層索引

我們將介紹將 Pandas DataFrame 的索引轉換為列的各種方法,例如 df.index,帶有 rename_axisreset_index 來重新命名索引,以及 set_index

我們還將介紹如何將多索引應用於具有多層索引的給定 DataFrame

df.index 將索引新增為新列

將索引新增為列的最簡單方法是將 df.index 作為新列新增到 Dataframe

考慮以下程式碼:

# python 3.x
import pandas as pd
df = pd.DataFrame([
    (1,2,None),
    (None,4,None),
    (5,None,7),
    (5,None,None)
    ],columns=['a','b','d'])
df['index'] = df.index
print(df)

輸出:

     a    b    d  index1
0  1.0  2.0  NaN       0
1  NaN  4.0  NaN       1
2  5.0  NaN  7.0       2
3  5.0  NaN  NaN       3

使用帶有 rename axisreset_index 重新命名當前索引列名

我們可以更改索引的名稱,然後將 reset_index 更改為一系列:

# python 3.x
import pandas as pd

df = pd.DataFrame([
    (1,2,None),
    (None,4,None),
    (5,None,7),
    (5,None,None)], 
    columns=['a','b','d'])
df = df.rename_axis('index').reset_index()
print(df)

輸出:

   index    a    b    d
0      0  1.0  2.0  NaN
1      1  NaN  4.0  NaN
2      2  5.0  NaN  7.0
3      3  5.0  NaN  NaN

set_index 方法將列轉換為索引

我們可以使用 set_index 方法將任何列轉換為 index:

# python 3.x
import pandas as pd
df = pd.DataFrame([
    (1,2,None),
    (None,4,None),
    (5,4,7),
    (5,5,None)], 
    columns=['a','b','d'])
df.set_index('b',inplace=True)
print(df)

輸出:

     a    d
b          
2  1.0  NaN
4  NaN  NaN
4  5.0  7.0
5  5.0  NaN

或者,如果我們要刪除索引名,如原始檔案中那樣,則可以執行 df.index.name = None

# python 3.x
import pandas as pd
df = pd.DataFrame([
    (1,2,None),
    (None,4,None),
    (5,4,7),
    (5,5,None)
    ],columns=['a','b','d'])
df.set_index('b',inplace=True)
df.index.name = None
print(df)

輸出:

     a    d
2  1.0  NaN
4  NaN  NaN
4  5.0  7.0
5  5.0  NaN

MultiIndex 可在 column 上設定 indexs 的多層索引

我們可以使用 MultiIndex.from_product() 函式建立一個 MultiIndex,如下所示:

# python 3.x
import pandas as pd
import numpy as np
index = pd.MultiIndex.from_product([
    ['Burger', 'Steak', 'Sandwich'], 
    ['Half', 'Full']], 
    names=['Item', 'Type'])
df = pd.DataFrame(index=index, 
                  data=np.random.randint
                  (0, 10, (6,4)), 
                  columns=list('abcd'))
print(df)

輸出:

               a  b  c  d
Item     Type            
Burger   Half  0  3  9  1
         Full  2  2  0  5
Steak    Half  8  4  5  5
         Full  5  8  0  7
Sandwich Half  2  8  9  5
         Full  4  4  5  9

相關文章 - Pandas DataFrame

  • 在 Pandas 中獲取列與特定值匹配的行的索引
  • 如何將 Python 字典轉換為 Pandas DataFrame