Python-Pandas之索引index相关函数

关注

原创最新推荐文章于 2026-01-12 10:46:32 发布 3.6k 阅读 AI 写同款· GEO 优化 ›

Python数据分析实战笔记—Pandas库简介（3）《Python数据分析实战》 1.函数应用和映射按列或列执行操作的函数：除了通用函数，用户还可以自己定义函数。需要注意的是这些函数对一维数组进行计算，返回结果为一个数值。 #函数定义 f = lambda x:x.max()-x.min() #或者 def f(x): return x.max()-x.min() #用apply()函数可以在DataFrame... 阅读详情

本文介绍对索引进行重新排序reindex() 以及更换索引set_index() 时的用法，需要注意的是索引对象是无法进行修改的。

重新索引 .reindex()

重新索引不是给索引重新命名，而是对索引重新排序，如果某个索引值不存在则引入缺失值。
reindex函数参数

类型	使用说明
index	用于索引的新序列
method	填充缺失值方法，ffill / bfill
fill_value	缺失值替代值
limit	最大填充

例子：

df=pd.DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'],columns=['name','id','sex'])
df
>>>
>name  id	sex
a	0	1	2
c	3	4	5
d	6	7	8

df2=df.reindex(['a','b','c','d'],method='ffill')
df2
>>>
>	name id	sex
a	0	1	2
b	0	1	2
c	3	4	5
d	6	7	8

更换索引 .set_index()

在DataFrame数据中，如果不希望使用默认行索引，可以在创建数据时通过index参数来设置行索引。
如果需要将某列数据作为行索引，这时需要用到 set_index()方法，与该方法相反的方法是 reset_index()。

函数参数：
set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

keys：是要设置为索引的列表。
drop：默认为true，表示是否将作为新索引的列删除。如果为false，则保留原来的列，true则删除原列。
append：是否保留原来的索引，默认false不保留，为true则保留原索引。
inplace：是否创建一个新的dataframe，默认false则创建新的dataframe，为true时修改原dataframe。

例子：

#更换索引（区别与更新索引）
data={'name':['张三','李四','王五','小明'],
     'sex':['female','female','male','male'],
     'year':['2001','2001','2003','2002'],
     'city':['北京','上海','广州','北京']}
dataDf=pd.DataFrame(data)
dataDf
>>>
>	name	sex	year	city
0	张三	female	2001	北京
1	李四	female	2001	上海
2	王五	male	2003	广州
3	小明	male	2002	北京

dataDf.set_index(['name'],inplace=True)
dataDf
>>>
>	sex	year	city
name			
张三	female	2001	北京
李四	female	2001	上海
王五	male	2003	广州
小明	male	2002	北京

dataDf.reset_index(inplace=True)
dataDf
>>>
>name	sex	year	city
0	张三	female	2001	北京
1	李四	female	2001	上海
2	王五	male	2003	广州
3	小明	male	2002	北京

数据排序后，原数据的索引可以通过drop参数删除。

#排序时，索引变化
dataDf2=dataDf.sort_values('year')
dataDf2
>>>
>name	sex	year	city
0	张三	female	2001	北京
1	李四	female	2001	上海
3	小明	male	2002	北京
2	王五	male	2003	广州

dataDf3=dataDf2.reset_index(drop=True)
dataDf3
>>>
>	name	sex	year	city
0	张三	female	2001	北京
1	李四	female	2001	上海
2	小明	male	2002	北京
3	王五	male	2003	广州