HOWTO · Pandas
在 Pandas Dataframe 中設定列作為索引
本教程示範如何在 Pandas DataFrame 中使用 set_index() 方法將欄位設為索引,並在讀取檔案時使用 index_col 引數。
本頁內容
新的 Pandas DataFrame 會使用預設整數索引來識別資料列。若要使用有意義的列標籤,可以對現有 DataFrame 呼叫 set_index(),或在載入檔案時將 index_col 傳給 read_csv 或 read_excel。如果資料已載入記憶體,適合採用第一種方式;第二種方式則是在匯入檔案時選擇列標籤。以下範例使用相同的小型人物資料集,方便比較結果。請選擇值有助於分析時識別資料列的欄位;索引可以包含重複值,但依重複標籤查詢時可能會傳回多個資料列。
使用 set_index() 將 DataFrame 欄位設為索引
set_index() 是 DataFrame 的方法。預設情況下,它會傳回新的 DataFrame,並將選取的欄位從一般資料欄中移除。若想保留原始 DataFrame 不變,請將傳回結果指派給變數。傳入欄位名稱清單可建立 MultiIndex,讓每個資料列由多個值的組合識別。若選取的值也要保留為一般資料欄,請使用 drop=False。
這些選擇會影響資料的存取方式,不會讓資料列遭到刪除。例如,若後續程式碼需要同時將姓名當作標籤和值,就保留姓名欄;若城市與年齡的組合對工作有意義,就使用這兩欄建立 MultiIndex。若要直接變更現有 DataFrame,set_index(..., inplace=True) 會就地修改它並傳回 None;通常將預設傳回的 DataFrame 指派給變數更容易理解,也能保留原始資料。若要恢復一般索引,reset_index() 會將目前的索引值放回資料欄,並預設為結果建立新的整數索引。匯出資料前,或後續操作需要一般資料欄而非索引標籤時,這種做法很實用。
以下範例會建立人物 DataFrame,再分別使用一個欄位及兩個欄位建立索引,也會示範如何在姓名欄作為列標籤時保留該欄。
import pandas as pd
people = pd.DataFrame({
"Name": ["Alice", "Bob", "Charlie"],
"City": ["New York", "Los Angeles", "Chicago"],
"Age": [25, 30, 35],
})
by_name = people.set_index("Name")
by_city_and_age = people.set_index(["City", "Age"])
with_name_column = people.set_index("Name", drop=False)
print(by_name)
在這裡,by_name 以姓名作為列標籤,並保留 City 和 Age 作為資料欄。by_city_and_age 使用所選的兩個欄位建立 MultiIndex;with_name_column 則以姓名作為標籤,同時保留 Name 欄。這些指派會建立不同的 DataFrame,因此 people 仍保有原來的欄位和預設索引。print 陳述式會顯示單欄位索引的結果;另外兩個變數也能以相同方式檢視。若要恢復一般整數索引並將索引值放回資料欄,請呼叫 by_name.reset_index();這會傳回另一個 DataFrame。若要繼續使用重設索引後的版本,可以將結果指派給變數。
使用 index_col 在讀取 CSV 或 Excel 檔案時設定索引
來源是檔案時,可以在讀取資料時選擇索引。這個可獨立執行的 CSV 範例使用與上方 DataFrame 相同的欄位名稱和資料列。StringIO 讓 read_csv 直接讀取範例文字;若要讀取磁碟上的 CSV,可以將呼叫中的內容換成檔案路徑,例如 "people.csv":
from io import StringIO
import pandas as pd
csv_data = StringIO("""Name,City,Age
Alice,New York,25
Bob,Los Angeles,30
Charlie,Chicago,35
""")
people = pd.read_csv(csv_data, index_col="Name")
print(people)
index_col="Name" 引數會依標題選取欄位,因此產生的索引和剩餘資料欄會與第一個範例中的 by_name 相同。若 index_col 使用數值,則會依從零開始的位置選取欄位;第一欄的位置是 0。使用標題名稱能明確指定欄位,也較不受欄位順序影響。若要選取多個欄位,可傳入清單,例如 index_col=["City", "Age"],在匯入時建立 MultiIndex。讀取 Excel 活頁簿時,可使用對應的讀取呼叫 pd.read_excel("people.xlsx", index_col="Name")。活頁簿必須存在,而且 pandas 必須安裝適用於該檔案格式的 Excel 引擎。此處僅示範 Excel 呼叫形式,因為沒有提供活頁簿。若標題拼錯或檔案中的欄位順序有所變動,請先確認欄位名稱,再選擇索引,確保選到預期欄位。