Python之pandas：對pandas中dataframe數(shù)據(jù)中的索引輸出、修改、重命名等詳細攻略

對pandas中dataframe數(shù)據(jù)中的索引輸出、修改、重命名等詳細攻略

知識點學習

• 構造數(shù)據(jù)
• 查看索引
• 修改列索引內元素名稱
  # 重命名指定行索引名稱， []列表的長度必須與df行數(shù)一致，可以重復
  # 輸出當前的索引列名稱
• 設置單個索引列
  # 指定索引列，其中drop=False 表示保留原先索引列的數(shù)據(jù)
  # 設置索引列名稱
  # 輸出當前的索引列名稱
• 字段去重
  # unique()對某列實現(xiàn)去重
• 設置復合索引：將多列設置為索引
  # 輸出當前的索引列名稱

輸出結果

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
單個索引列： Index_From_ID
               Unnamed: 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]
復合索引列： None
           Unnamed: 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

實現(xiàn)代碼

# 1、定義數(shù)據(jù)集
contents={"name": ['Bob',        'LiSa',                     'Mary',                       'Alan'],
          "ID":   [1,              2,                            3,                            4],    # 輸出 NaN
          "ID02":   [1,              2,                         ' ',                          None],    # 輸出 NaN
          "age":  [np.nan,        28,                           38 ,                          '' ],   # 輸出 
          "age02":  [14,           26,                           24 ,                          6], 
          "age03":  [14,           '26',                      '24' ,                        '6'], 
        "born": [pd.NaT,     pd.Timestamp("1990-01-01"),  pd.Timestamp("1980-01-01"),        ''],     # 輸出 NaT
          "sex":  ['男',          '女',                        '女',                        None,],   # 輸出 None
          "hobbey":['打籃球',     '打羽毛球',                   '打乒乓球',                    '',],   # 輸出 
          "money":[200.0,                240.0,                   290.0,                     300.0],  # 輸出
          "weight":[140.5,                120.8,                 169.4,                      155.6],  # 輸出
          "test01":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 輸出
          "test02":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 輸出
          }

data_frame = pd.DataFrame(contents)

# Python之pandas：對pandas中dataframe數(shù)據(jù)中的索引輸出、修改、重命名等詳細攻略


# 構造數(shù)據(jù)
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)                   


# 修改列索引內元素名稱
nums_df.index = ["0_Rename","1_Rename","2_Rename","3_Rename"]      # 重命名指定行索引名稱， []列表的長度必須與df行數(shù)一致，可以重復
print(nums_df)


# 輸出當前的索引列名稱
print(nums_df.index.name)


# 設置單個索引列
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數(shù)據(jù)
nums_df.index.name = 'Index_From_ID'          # 設置索引列名稱
print('單個索引列：',nums_df.index.name)       # 輸出當前的索引列名稱
print(nums_df)


# 字段去重
print('字段去重',nums_df["sex"].unique())               # unique()對某列實現(xiàn)去重



# 設置復合索引：將多列設置為索引
nums_df02 = nums_df02.set_index(["name", "age"])
print('復合索引列：',nums_df02.index.name)                    # 輸出當前的索引列名稱
print(nums_df02)