Python之pandas：对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略

 

 

 

 

 

目录

对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略

知识点学习

输出结果

实现代码

---

 

 

 

对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略

知识点学习

• 构造数据
• 查看索引
• 修改列索引内元素名称
  # 重命名指定行索引名称， []列表的长度必须与df行数一致，可以重复
  # 输出当前的索引列名称
• 设置单个索引列
  # 指定索引列，其中drop=False 表示保留原先索引列的数据
  # 设置索引列名称
  # 输出当前的索引列名称
• 字段去重
  # unique()对某列实现去重
• 设置复合索引：将多列设置为索引
  # 输出当前的索引列名称

 

 

 

输出结果

RangeIndex(start=0, stop=4, step=1)Unnamed: 0 name ID age sex 0_Rename 0 Bob 1 NaN 男 1_Rename 1 LiSa 2 28.0 女 2_Rename 2 Mary 3 38.0 女 3_Rename 3 Alan 4 NaN NaN None 单个索引列： Index_From_IDUnnamed: 0 name age sex Index_From_ID 1 0 Bob NaN 男 2 1 LiSa 28.0 女 3 2 Mary 38.0 女 4 3 Alan NaN NaN 字段去重 ['男' '女' nan] 复合索引列： NoneUnnamed: 0 ID sex name age Bob NaN 0 1 男 LiSa 28.0 1 2 女 Mary 38.0 2 3 女 Alan NaN 3 4 NaN

 

 

 

 

实现代码

# 1、定义数据集 contents={"name": ['Bob', 'LiSa', 'Mary', 'Alan'],"ID": [1, 2, 3, 4], # 输出 NaN"ID02": [1, 2, ' ', None], # 输出 NaN"age": [np.nan, 28, 38 , '' ], # 输出 "age02": [14, 26, 24 , 6], "age03": [14, '26', '24' , '6'], "born": [pd.NaT, pd.Timestamp("1990-01-01"), pd.Timestamp("1980-01-01"), ''], # 输出 NaT"sex": ['男', '女', '女', None,], # 输出 None"hobbey":['打篮球', '打羽毛球', '打乒乓球', '',], # 输出 "money":[200.0, 240.0, 290.0, 300.0], # 输出"weight":[140.5, 120.8, 169.4, 155.6], # 输出"test01":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 输出"test02":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 输出}data_frame = pd.DataFrame(contents)# Python之pandas：对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略# 构造数据 cols01=["name","ID","age","sex",] nums_df_temp=data_frame.loc[:,cols01] nums_csv_file="nums_df_temp.csv" nums_df_temp.to_csv(nums_csv_file) nums_df=pd.read_csv(nums_csv_file) nums_df02=nums_df.copy()# 查看索引 print('查看原始索引',nums_df.index) # 修改列索引内元素名称 nums_df.index = ["0_Rename","1_Rename","2_Rename","3_Rename"] # 重命名指定行索引名称， []列表的长度必须与df行数一致，可以重复 print(nums_df)# 输出当前的索引列名称 print(nums_df.index.name)# 设置单个索引列 nums_df=nums_df.set_index('ID',drop=True) # 指定索引列，其中drop=False 表示保留原先索引列的数据 nums_df.index.name = 'Index_From_ID' # 设置索引列名称 print('单个索引列：',nums_df.index.name) # 输出当前的索引列名称 print(nums_df)# 字段去重 print('字段去重',nums_df["sex"].unique()) # unique()对某列实现去重# 设置复合索引：将多列设置为索引 nums_df02 = nums_df02.set_index(["name", "age"]) print('复合索引列：',nums_df02.index.name) # 输出当前的索引列名称 print(nums_df02)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

总结

以上是生活随笔为你收集整理的Python之pandas：对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。