索引操作

pandas数据的索引就像一本书的目录，让我们可以很快地找到想要看的章节，对于大量数据，创建合理的具有业务意义的索引对我们分析数据至关重要。

对索引的操作是DataFrame最基础的操作。为了满足业务的各种需求，索引对象支持数字、类别、时间日期、周期、时差等多个类型，Pandas也提供了丰富的索引操作功能。

• 行索引是数据的索引，列索引指向的事一个Series；
• DataFrame的索引也是系列形成的Series的索引；
• 建立索引让数据更加直观明确，每行数据是针对哪个主题的；
• 建立索引方便数据处理；
• 索引允许重复，但业务上一般不会让它重复。
• 有时一个行或列层级较多的数据会出现多层索引的情况。

指定哪一列作为索引

在读取数据时，就可以通过Index_col=’类标签’来指定哪一列作为索引，

如果加载时没有指定索引，可以使用df.set_index(‘列标签’)来指定哪一行作为索引

如有必要，甚至可以设置2层索引：df.set_index([‘列标签1′,’列标签2’])

df.set_index(['name', 'team'],inplace=True) # 设置两层索引

# 将列标签的第一个字符和另一个列标签设置为索引
df.set_index([df.列标签.str[0],'列标签'],inplace=True) 

inplace=True表示直接对原数据表进行修改，inplace=False表示不对原数据表进行修改，但是返回一个修改后的结果，可以赋值给其他变量

将某一列指定为索引后，那么它就会移动位置到第一列以索引的方式呈现，但是也有方法将它们设为索引的同时，还保留在原来的位置，也就是设置drop=False：

df.set_index(‘列标签’, drop=False) # 保留原列

如果将某一列指定为索引，原来的索引就会被移除，设置append=True，会修改索引并且保留原来的索引：

df.set_index(‘列标签’, append=True) # 保留原来的索引

可以将一个Series指定为索引：

df=pd.read_csv('1.csv')
#生成1个Series，长度必须要与数据表的行数相匹配，
# range是从0开始计数的，如果参数是X，生成的序列是从0到X-1
s=pd.Series([i for i in range(6)])  #数据表不算表头的内容部分有6行就填6
df.set_index(s,inplace=True)
print(df)

#Series可以进行运算
df.set_index([s,s**2],inplace=True)

重置索引

如果想要取消已有的索引，可以使用df.reset_index()，它的操作与set_index相反

df.reset_index() # 清除索引
df.set_index('列标签').reset_index() # 相当于什么也没做
# 删除原索引，month列没了
df.set_index('列标签').reset_index(drop=True)
df2.reset_index(inplace=True) # 覆盖使生效

#level参数的意思应该是，在有多个索引的情况下，删除哪个索引，可以按索引的索引删除，也可以按索引的列标签删除
df.set_index(['列标签1', '列标签2']).reset_index(level=1)
df2.reset_index(level='列标签') # 同上，使用层级索引名
df.reset_index(level='列标签', col_level=1) # 列索引
# 不存在层级名称的填入指定名称
df.reset_index(level='列标签', col_level=1, col_fill='species')

索引的操作

以下是索引的常用操作，这些操作会在我们今后处理数据中发挥作用。以下方法也适用于df.columns，因为都是index对象。

有些是对原数据表进行修改，有些是返回一个想要的值，

如果要对原数据表进行修改，可能要用到inplace=True

# 常用方法
df.index.astype('int64') # 转换类型
df.index.isin() # 是否存在，见下方示例
df.index.rename('number') # 修改索引名称
df.index.nunique() # 不重复值的数量
df.index.sort_values(ascending=False,) # 排序，倒序
df.index.map(lambda x:x+'_') # map函数处理
df.index.str.replace('_', '') # str替换
df.index.str.split('_') # 分隔
df.index.to_list() # 转为列表
df.index.to_frame(index=False, name='a') # 转成DataFrame
df.index.to_series() # 转为series
df.index.to_numpy() # 转为numpy
df.index.unique() # 去重
df.index.value_counts() # 去重及计数
df.index.where(df.index=='a') # 筛选
df.index.rename('grade', inplace=False) # 重命名索引
df.index.rename(['species', 'year']) # 多层，重命名索引
df.index.max() # 最大值
df.index.argmax() # 最大值的索引值
df.index.any()	#只要Index中有一个值可以表示为True，就返回True
df.index.all()	#是否全部可以表示为True？
df.index.T # 转置，在多层索引里很有用

以下是一些不常用但很重要的操作：

# 其他，不常用
df.index.append(pd.Index([4,5])) # 追加
df.index.repeat(2) # 重复几次
df.index.inferred_type # 推测数据类型
df.index.hasnans # 有没有空值
df.index.is_monotonic_decreasing # 是否单调递减
df.index.is_monotonic # 是否有单调性
df.index.is_monotonic_increasing # 是否单调递增
df.index.nbytes # 基础数据中的字节数
df.index.ndim # 维度数，维数
df.index.nlevels # 索引层级数，通常为1
df.index.min() # 最小值
df.index.argmin() # 最小索引值
df.index.argsort() # 顺序值组成的数组
df.index.asof(2) # 返回最近的索引
# 索引类型转换
df.index.astype('int64', copy=True) # 深拷贝
# 拷贝
df.index.copy(name='new', deep=True, dtype='int64')
df.index.delete(1) # 删除指定位置
# 对比不同
df.index.difference(pd.Index([1,2,4]), sort=False)
df.index.drop('a', errors='ignore') # 删除
df.index.drop_duplicates(keep='first') # 去重值
df.index.droplevel(0) # 删除层级
df.index.dropna(how='all') # 删除空值
df.index.duplicated(keep='first') # 重复值在结果数组中为True
df.index.equals(df.index) # 与另一个索引对象是否相同
df.index.factorize() # 分解成（array:0-n, Index）
df.index.fillna(0, {0:'nan'}) # 填充空值
# 字符列表，把name值加在第一位，每个值加10
df.index.format(name=True, formatter=lambda x:x+10)

# 返回一个array，指定值的索引位数组，不在的为-1
df.index.get_indexer([2,9])
# 获取指定层级Index对象
df.index.get_level_values(0)
# 指定索引的位置，见示例
df.index.get_loc('b')
df.index.insert(2, 'f') # 在索引位2插入f
df.index.intersection(df.index) # 交集
df.index.is_(df.index) # 类似is检查
df.index.is_categorical() # 是否分类数据
df.index.is_type_compatible(df.index) # 类型是否兼容

df.index.is_type_compatible(1) # 类型是否兼容
df.index.isna() # array是否为空
df.index.isnull() # array是否缺失值
df.index.join(df.index, how='left') # 连接
df.index.notna() # 是否不存在的值
df.index.notnull() # 是否不存在的值
df.index.ravel() # 展平值的ndarray
df.index.reindex(['a','b']) # 新索引 (Index,array:0-n)
df.index.searchsorted('f') # 如果插入这个值，排序后在哪个索引位
df.index.searchsorted([0, 4]) # array([0, 3]) 多个
df.index.set_names('quarter') # 设置索引名称
df.index.set_names('species', level=0)
df.index.set_names(['kind', 'year'], inplace=True)
df.index.shift(10, freq='D') # 日期索引向前移动10天
idx1.symmetric_difference(idx2) # 两个索引不同的内容
idx1.union(idx2) # 拼接

df.add_prefix('t_') # 表头加前缀
df.add_suffix('_d') # 表头加后缀
df.first_valid_index() # 第一个有值的索引
df.last_valid_index() # 最后一个有值的索引

索引重命名

将一个数据列置为索引后，就不能再像修改列名那样修改索引的名称了，需要使用.df.rename_axis()方法。

这个方法不仅可以修改索引名，还可以修改列名。

需要注意的是，这里修改的是索引名称，不是索引或者列名本身。

对原数据表进行修改，需要加上inplace=True

s.rename_axis("student_name") # 索引重命名
df.rename_axis(["dow", "hr"]) # 多层索引修改索引名
df.rename_axis('info', axis="columns") # 修改行索引名
# 修改多层列索引名
df.rename_axis(index={'a': 'A', 'b': 'B'})
# 修改多层列索引名
df.rename_axis(columns={'name': 's_name', 'b': 'B'})
df.rename_axis(columns=str.upper) # 行索引名变大写

修改索引内容

用来修改行和列的索引名的主要函数时df.rename和df.set_axis。

df.rename可以给定一个字典，键对应原名称，值对应想要修改成什么名称。

还可以传入一个与原索引等长度序列进行覆盖修改，用一个函数处理原索引名

示例：

# 一一对应修改列索引
df.rename(columns={"A": "a", "B": "c"})
df.rename(str.lower, axis='columns')	#将列标签这一行的字母转换成小写，大写是upper
# 修改行索引
df.rename(index={0: "x", 1: "y", 2: "z"})
df.rename({1: 2, 2: 4}, axis='index')
# 修改数据类型
df.rename(index=str)
# 重新修改索引
replacements = {l1:l2 for l1, l2 in zip(list1, list2)}
df.rename(replacements)
# 列名加前缀
df.rename(lambda x:'t_' + x, axis=1)
# 利用iter()函数的next特性修改
df.rename(lambda x, y=iter('abcdef'): next(y), axis=1)
# 修改列名，用解包形式生成新旧字段字典
df.rename(columns=dict(zip(df, list('abcd'))))

df.set_axis可以将所需的索引分配给给定的轴，通过分配类似列表或索引的方式来更改列标签或行标签的索引。

# 修改索引
df.set_axis(['a', 'b', 'c'], axis='index')
# 修改列名
df.set_axis(list('abcd'), axis=1)
# 使修改生效
df.set_axis(['a', 'b'], axis='columns', inplace=True)
# 传入索引内容
df.set_axis(pd.Index(list('abcde')), axis=0)