pandas提供了set_index方法可以将DataFrame的列（多列）变成行索引，通过reset_index方法可以将层次化索引的级别会被转移到列里面。
1、DataFrame的set_index方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
|
data = pd.DataFrame(np.arange(1,10).reshape(3,3),index=["a","b","c"],columns=["A","B","C"])print(data)''' A B Ca 1 2 3b 4 5 6c 7 8 9'''#将列索引为B的列变成data的行索引print(data.set_index("B"))''' A CB2 1 35 4 68 7 9'''#获取行索引print(data.set_index("B").index)#Int64Index([2, 5, 8], dtype='int64', name='B')#获取列索引print(data.set_index("B").columns)#Index(['A', 'C'], dtype='object')#将列索引为A和C的列变成行索引，层次化索引print(data.set_index(["A","C"]))''' BA C1 3 24 6 57 9 8''' |
2、DataFrame的reset_index方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
data = pd.DataFrame(np.arange(1,10).reshape(3,3),index=["a","b","c"],columns=["A","B","C"])print(data)''' A B Ca 1 2 3b 4 5 6c 7 8 9'''print(data.set_index(["C"]))''' A BC3 1 26 4 59 7 8'''#相对于data来说行索引从原来的a、b、c变成了0、1、2#在使用set_index方法的时候行索引就已经被修改了print(data.set_index(["C"]).reset_index())''' C A B0 3 1 21 6 4 52 9 7 8'''print(data.index)#Index(['a', 'b', 'c'], dtype='object')print(data.set_index(["C"]).reset_index().index)#RangeIndex(start=0, stop=3, step=1)print(data.set_index(["C"]).reset_index().columns)#Index(['C', 'A', 'B'], dtype='object') |
以上这篇pandas将DataFrame的列变成行索引的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/sinat_29957455/article/details/79038658
