Python pandas.Series.reset_index用法及代码示例

用法: Series.reset_index(level=None, drop=False, name=NoDefault.no_default, inplace=False)

生成一个新的 DataFrame 或 Series 并重置索引。

当索引需要被视为列时，或者当索引没有意义并且需要在另一个操作之前重置为默认值时，这很有用。

参数：

level：int、str、tuple 或 list，默认可选

对于具有 MultiIndex 的系列，仅从索引中删除指定的级别。默认情况下删除所有级别。

drop：布尔值，默认为 False

只需重置索引，无需将其作为列插入到新的 DataFrame 中。

name：对象，可选

用于包含原始系列值的列的名称。默认使用self.name。当 drop 为 True 时，忽略此参数。

inplace：布尔值，默认为 False

就地修改系列(不要创建新对象)。

Series 或 DataFrame 或 None

当 drop 为 False(默认值)时，返回 DataFrame。新创建的列将首先出现在 DataFrame 中，然后是原始系列值。当 drop 为 True 时，返回 Series。在任何一种情况下，如果 inplace=True ，则不返回任何值。

例子：

>>> s = pd.Series([1, 2, 3, 4], name='foo',
...               index=pd.Index(['a', 'b', 'c', 'd'], name='idx'))

生成具有默认索引的 DataFrame。

>>> s.reset_index()
  idx  foo
0   a    1
1   b    2
2   c    3
3   d    4

要指定新列的名称，请使用 name 。

>>> s.reset_index(name='values')
  idx  values
0   a       1
1   b       2
2   c       3
3   d       4

使用默认设置 drop 生成新系列为 True。

>>> s.reset_index(drop=True)
0    1
1    2
2    3
3    4
Name:foo, dtype:int64

要在适当位置更新系列，而不生成新的一组 inplace 为 True。请注意，它还需要 drop=True 。

>>> s.reset_index(inplace=True, drop=True)
>>> s
0    1
1    2
2    3
3    4
Name:foo, dtype:int64

level 参数对于具有 multi-level 索引的系列很有趣。

>>> arrays = [np.array(['bar', 'bar', 'baz', 'baz']),
...           np.array(['one', 'two', 'one', 'two'])]
>>> s2 = pd.Series(
...     range(4), name='foo',
...     index=pd.MultiIndex.from_arrays(arrays,
...                                     names=['a', 'b']))

要从索引中删除特定级别，请使用 level 。

>>> s2.reset_index(level='a')
       a  foo
b
one  bar    0
two  bar    1
one  baz    2
two  baz    3

如果未设置level，则从索引中删除所有级别。

>>> s2.reset_index()
     a    b  foo
0  bar  one    0
1  bar  two    1
2  baz  one    2
3  baz  two    3

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.Series.reset_index。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：