极客教程pandas 重置索引
在使用 Pandas 进行数据处理时，有时候我们可能会需要对数据进行重置索引的操作。重置索引是指将原先的索引重新排列，让它变回默认的整数索引，同时原先的索引会被转为一列数据。
在本文中，我们将详细讨论 Pandas 中如何对 DataFrame 进行重置索引操作，包括使用 reset_index() 方法的不同参数设置以及一些实际应用场景。
为什么需要重置索引？
在 Pandas 中，每个 DataFrame 和 Series 都有一个索引，默认情况下是整数索引。然而，在数据处理过程中，我们可能进行了一系列的操作，导致索引变得凌乱或者需要重新排列。这时候就需要使用重置索引的操作来重新设置索引。
另外，有时候我们可能会将索引设置为某一列数据，而后又需要将该列数据还原为默认的整数索引，这时候也需要用到重置索引的操作。
reset_index() 方法的基本用法
在 Pandas 中，可以使用 reset_index() 方法来重置索引。下面是该方法的基本语法：
dataframe.reset_index(level=None, drop=False, inplace=False)
level：指定要重置索引的索引级别，默认为所有索引级别。可以传入整数、字符串或列表。drop：默认为 False，在重置索引的同时，是否丢弃原先的索引。inplace：默认为 False，如果为 True，则直接在原 DataFrame 上进行修改，而不返回新的 DataFrame。
让我们通过一个示例来具体演示 reset_index() 方法的基本用法：
import pandas as pd
# 创建一个 DataFrame
data = {'A': [1, 2, 3],
'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 设置索引
df.set_index('A', inplace=True)
print("原始数据：")
print(df)
# 重置索引
df_reset = df.reset_index()
print("\n重置索引后的数据：")
print(df_reset)
运行以上代码，可以得到如下输出：
原始数据：
B
A
1 4
2 5
3 6
重置索引后的数据：
A B
0 1 4
1 2 5
2 3 6
重设索引的多层级索引
当 DataFrame 的索引是多层级索引时，我们可以通过设置 level 参数来指定要重置的索引层级。level 参数可以接受整数、字符串或列表。
接下来，让我们通过一个示例来演示如何重置多层级索引：
import pandas as pd
# 创建一个多层级索引的 DataFrame
arrays = [['A', 'A', 'B', 'B'], [1, 2, 1, 2]]
index = pd.MultiIndex.from_arrays(arrays, names=('first', 'second'))
df = pd.DataFrame({'C': [3, 4, 5, 6]}, index=index)
print("原始数据：")
print(df)
# 重置第一层级索引
df_reset = df.reset_index(level='first')
print("\n重置索引后的数据：")
print(df_reset)
运行以上代码，可以得到如下输出：
原始数据：
C
first second
A 1 3
2 4
B 1 5
2 6
重置索引后的数据：
first C
second
1 A 3
2 A 4
1 B 5
2 B 6
丢弃原先的索引
在使用 reset_index() 方法时，drop 参数默认为 False，也就是重置索引的同时会保留原先的索引。如果我们想要丢弃原先的索引，可以将 drop 参数设置为 True。
接下来，让我们通过一个示例来演示如何丢弃原先的索引：
import pandas as pd
# 创建一个 DataFrame
data = {'A': [1, 2, 3],
'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 设置索引
df.set_index('A', inplace=True)
print("原始数据：")
print(df)
# 重置索引并丢弃原先的索引
df_reset = df.reset_index(drop=True)
print("\n重置索引并丢弃原先的索引后的数据：")
print(df_reset)
运行以上代码，可以得到如下输出：
原始数据：
B
A
1 4
2 5
3 6
重置索引并丢弃原先的索引后的数据：
B
0 4
1 5
2 6
直接在原 DataFrame 上进行修改
在使用 reset_index() 方法时，inplace 参数默认为 False，也就是会返回一个新的 DataFrame，而原 DataFrame 不会发生变化。如果我们想要在原 DataFrame 上直接修改，可以将 inplace 参数设置为 True。
下面让我们通过一个示例来演示如何在原 DataFrame 上直接修改：
import pandas as pd
# 创建一个 DataFrame
data = {'A': [1, 2, 3],
'B': [4, 5, 6]}
df = pd.DataFrame(data)
# 设置索引
df.set_index('A', inplace=True)
print("原始数据：")
print(df)
# 在原 DataFrame 上直接重置索引
df.reset_index(inplace=True)
print("\n在原 DataFrame 上直接重置索引后的数据：")
print(df)
运行以上代码，可以得到如下输出：
原始数据：
B
A
1 4
2 5
3 6
在原 DataFrame 上直接重置索引后的数据：
A B
0 1 4
1 2 5
2 3 6
实际应用场景
重置索引的操作在数据处理中是非常常见的，特别是在数据合并、连接、透视表等场景下。下面我们来看一个实际案例来说明重置索引的用途。
假设我们有两个 DataFrame，分别表示不同学科的成绩表。我们想要合并这两张表，并且得到一个新的表，其中索引表示学生姓名，列表示各学科的成绩。
首先，我们准备两个示例 DataFrame，分别表示数学和英语的成绩表：
import pandas as pd
# 创建数学成绩表
math_data = {'Student': ['Alice', 'Bob', 'Charlie'],
'Math_Score': [90, 85, 88]}
math_df = pd.DataFrame(math_data)
# 创建英语成绩表
english_data = {'Student': ['Alice', 'David', 'Emma'],
'English_Score': [95, 92, 87]}
english_df = pd.DataFrame(english_data)
print("数学成绩表：")
print(math_df)
print("\n英语成绩表：")
print(english_df)
运行以上代码，可以得到如下输出：
数学成绩表：
Student Math_Score
0 Alice 90
1 Bob 85
2 Charlie 88
英语成绩表：
Student English_Score
0 Alice 95
1 David 92
2 Emma 87
接下来，我们将这两张表合并，并重置索引，以学生姓名为索引：
# 合并两张成绩表
merged_df = pd.merge(math_df, english_df, on='Student', how='outer')
# 重置索引
merged_df.set_index('Student', inplace=True)
print("\n合并后的成绩表：")
print(merged_df)
运行以上代码，可以得到如下输出：
合并后的成绩表：
Math_Score English_Score
Student
Alice 90 95
Bob 85 NaN
Charlie 88 NaN
David NaN 92
Emma NaN 87
通过重置索引，我们得到了一个新的表，其中学生姓名作为索引，分别列出了他们的数学和英语成绩。这样的操作能够让数据更清晰地呈现，方便后续的分析和处理。
总结
在本文中，我们详细讨论了 Pandas 中重置索引的操作。我们学习了 reset_index() 方法的基本用法，包括如何重置单层级和多层级索引、丢弃原先的索引以及在原 DataFrame 上直接修改。最后，我们通过一个实际案例演示了重置索引的实际应用场景。