Pandas DataFrame 中的重置索引

在 pandas 中，DataFrame 的索引可以被重置，即将索引列变为普通的列，同时生成一个新的整数索引列。这个操作可以使用 reset_index() 方法来实现。

reset_index() 方法

reset_index() 方法的语法为：

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

其中，参数解释如下：

• level：可选参数，表示要重置的索引级别，默认值为所有索引级别。如果一个 DataFrame 只有一层索引，那么 level 就是 0，level 为 1 表示重置第二个索引，以此类推。
• drop：可选参数，表示是否要丢弃原来的索引列，默认为 False，即将索引列保留为一列。
• inplace：可选参数，表示是否直接对原 DataFrame 进行修改，默认为 False，即不直接修改，而是返回一个新的 DataFrame。
• col_level：可选参数，表示为多重索引中的列级别指定要重置的级别，默认为 0。
• col_fill：可选参数，表示要使用的列名。如果为 None，则只重置行索引。

演示操作

接下来，我们来演示一些重置索引的操作。

首先，我们创建一个样本数据：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'], 
        'Age': [25, 30, 35, 40], 
        'Country': ['US', 'Canada', 'UK', 'Australia']}

df = pd.DataFrame(data=data)
df

输出结果为：

       Name  Age    Country
0     Alice   25         US
1       Bob   30     Canada
2   Charlie   35         UK
3     David   40  Australia

现在，我们来重置这个 DataFrame 的索引：

df_reset = df.reset_index(drop=True)
df_reset

这里使用了 drop=True，表示将原来的索引列删除。此时，输出的结果为：

       Name  Age    Country
0     Alice   25         US
1       Bob   30     Canada
2   Charlie   35         UK
3     David   40  Australia

可以看到，新的 DataFrame 生成了一个整数索引列。

如果使用 drop=False，则会保留原来的索引列：

df_reset = df.reset_index(drop=False)
df_reset

此时，输出结果为：

   index     Name  Age    Country
0      0    Alice   25         US
1      1      Bob   30     Canada
2      2  Charlie   35         UK
3      3    David   40  Australia

可以看到，新的 DataFrame 中有一个叫做 index 的列，其中包含了原来的索引值。

如果 DataFrame 中有多级索引，可以通过 level 参数来指定要重置的级别。例如：

df_midx = pd.DataFrame(data=data, columns=['Name', 'Country'])
df_midx.set_index(['Country', 'Name'], inplace=True)

df_midx_reset = df_midx.reset_index(level=1)
df_midx_reset

此时，输出的结果为：

           Name
Country        
US        Alice
Canada      Bob
UK      Charlie
Australia David

可以看到，原来的 Name 列变成了一列索引，生成了一个新的整数索引列。