Python Pandas DataFrame.set_index()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas set_index()是一种将列表，系列或 DataFrame 设置为 DataFrame 索引的方法。也可以在制作 DataFrame 时设置索引列。但是有时一个数据帧是由两个或多个数据帧组成的，因此可以使用此方法更改以后的索引。

用法:

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

参数：

• keys:列名或列名列表。
  drop:布尔值，如果为True，则删除用于索引的列。
  append:如果为True，则将该列追加到现有索引列。
  inplace:如果为True，则在 DataFrame 中进行更改。
  verify_integrity:如果为True，则检查新索引列是否重复。

要下载使用的CSV文件，请单击此处。

代码1：更改索引栏
在此示例中，“名字”列已成为“数据帧”的索引列。

# importing pandas package 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("employees.csv") 
  
# setting first name as index column 
data.set_index("First Name", inplace = True) 
  
# display 
data.head()

输出：
如输出图像中所示，索引列之前是一系列数字，但后来已被名字替换。

手术前-

手术后-

代码2：多索引列
在此示例中，将创建两列作为索引列。 Drop参数用于删除列，而append参数用于将传递的列追加到已经存在的索引列。

# importing pandas package 
import pandas as pd 
  
# making data frame from csv file 
data = pd.read_csv("employees.csv") 
  
# setting first name as index column 
data.set_index(["First Name", "Gender"], inplace = True, 
                            append = True, drop = False) 
  
# display 
data.head()

输出：
如输出Image所示，数据具有3个索引列。