好習(xí)慣！pandas 8 個常用的 index 設(shè)置
在數(shù)據(jù)處理時，經(jīng)常會因為index報錯而發(fā)愁。不要緊，本次來和大家聊聊pandas中處理索引的幾種常用方法。
1.讀取時指定索引列
很多情況下，我們的數(shù)據(jù)源是 CSV 文件。假設(shè)有一個名為的文件data.csv，包含以下數(shù)據(jù)。
date,temperature,humidity
07/01/21,95,50
07/02/21,94,55
07/03/21,94,56
默認情況下，pandas將會創(chuàng)建一個從0開始的索引行，如下：
>>> pd.read_csv("data.csv", parse_dates=["date"])
date temperature humidity
0 2021-07-01 95 50
1 2021-07-02 94 55
2 2021-07-03 94 56
但是，我們可以在導(dǎo)入過程中通過將index_col參數(shù)設(shè)置為某一列可以直接指定索引列。
>>> pd.read_csv("data.csv", parse_dates=["date"], index_col="date")
temperature humidity
date
2021-07-01 95 50
2021-07-02 94 55
2021-07-03 94 56
2. 使用現(xiàn)有的 DataFrame 設(shè)置索引
當(dāng)然，如果已經(jīng)讀取數(shù)據(jù)或做完一些數(shù)據(jù)處理步驟后，我們可以通過set_index手動設(shè)置索引。
>>> df = pd.read_csv("data.csv", parse_dates=["date"])
>>> df.set_index("date")
temperature humidity
date
2021-07-01 95 50
2021-07-02 94 55
2021-07-03 94 56
這里有兩點需要注意下。
set_index方法默認將創(chuàng)建一個新的 DataFrame。如果要就地更改df的索引，需要設(shè)置inplace=True。
df.set_index(“date”, inplace=True)
如果要保留將要被設(shè)置為索引的列，可以設(shè)置 drop=False。
df.set_index(“date”, drop=False)
3. 一些操作后重置索引
在處理 DataFrame 時，某些操作（例如刪除行、索引選擇等）將會生成原始索引的子集，這樣默認的數(shù)字索引排序就亂了。如要重新生成連續(xù)索引，可以使用reset_index方法。
>>> df0 = pd.DataFrame(np.random.rand(5, 3), columns=list("ABC"))
>>> df0
A B C
0 0.548012 0.288583 0.734276
1 0.342895 0.207917 0.995485
2 0.378794 0.160913 0.971951
3 0.039738 0.008414 0.226510
4 0.581093 0.750331 0.133022
>>> df1 = df0[df0.index % 2 == 0]
>>> df1
A B C
0 0.548012 0.288583 0.734276
2 0.378794 0.160913 0.971951
4 0.581093 0.750331 0.133022
>>> df1.reset_index(drop=True)
A B C
0 0.548012 0.288583 0.734276
1 0.378794 0.160913 0.971951
2 0.581093 0.750331 0.133022
通常，我們是不需要保留舊索引的，因此可將drop參數(shù)設(shè)置為True。同樣，如果要就地重置索引，可設(shè)置inplace參數(shù)為True，否則將創(chuàng)建一個新的 DataFrame。
4. 將索引從 groupby 操作轉(zhuǎn)換為列
groupby分組方法是經(jīng)常用的。比如下面通過添加一個分組列team來進行分組。
>>> df0["team"] = ["X", "X", "Y", "Y", "Y"]
>>> df0
A B C team
0 0.548012 0.288583 0.734276 X
1 0.342895 0.207917 0.995485 X
2 0.378794 0.160913 0.971951 Y
3 0.039738 0.008414 0.226510 Y
4 0.581093 0.750331 0.133022 Y
>>> df0.groupby("team").mean()
A B C
team
X 0.445453 0.248250 0.864881
Y 0.333208 0.306553 0.443828
默認情況下，分組會將分組列編程index索引。但是很多情況下，我們不希望分組列變成索引，因為可能有些計算或者判斷邏輯還是需要用到該列的。因此，我們需要設(shè)置一下讓分組列不成為索引，同時也能完成分組的功能。
有兩種方法可以完成所需的操作，第一種是用reset_index，第二種是在groupby方法里設(shè)置as_index=False。個人更喜歡第二種方法，它只涉及兩個步驟，更簡潔。
>>> df0.groupby("team").mean().reset_index()
team A B C
0 X 0.445453 0.248250 0.864881
1 Y 0.333208 0.306553 0.443828
>>> df0.groupby("team", as_index=False).mean()
team A B C
0 X 0.445453 0.248250 0.864881
1 Y 0.333208 0.306553 0.443828
5.排序后重置索引
當(dāng)用sort_value排序方法時也會遇到這個問題，因為默認情況下，索引index跟著排序順序而變動，所以是亂雪。如果我們希望索引不跟著排序變動，同樣需要在sort_values方法中設(shè)置一下參數(shù)ignore_index即可。
>>> df0.sort_values("A")
A B C team
3 0.039738 0.008414 0.226510 Y
1 0.342895 0.207917 0.995485 X
2 0.378794 0.160913 0.971951 Y
0 0.548012 0.288583 0.734276 X
4 0.581093 0.750331 0.133022 Y
>>> df0.sort_values("A", ignore_index=True)
A B C team
0 0.039738 0.008414 0.226510 Y
1 0.342895 0.207917 0.995485 X
2 0.378794 0.160913 0.971951 Y
3 0.548012 0.288583 0.734276 X
4 0.581093 0.750331 0.133022 Y
6.刪除重復(fù)后重置索引
刪除重復(fù)項和排序一樣，默認執(zhí)行后也會打亂排序順序。同理，可以在drop_duplicates方法中設(shè)置ignore_index參數(shù)True即可。
>>> df0
A B C team
0 0.548012 0.288583 0.734276 X
1 0.342895 0.207917 0.995485 X
2 0.378794 0.160913 0.971951 Y
3 0.039738 0.008414 0.226510 Y
4 0.581093 0.750331 0.133022 Y
>>> df0.drop_duplicates("team", ignore_index=True)
A B C team
0 0.548012 0.288583 0.734276 X
1 0.378794 0.160913 0.971951 Y
7. 索引的直接賦值
當(dāng)我們有了一個 DataFrame 時，想要使用不同的數(shù)據(jù)源或單獨的操作來分配索引。在這種情況下，可以直接將索引分配給現(xiàn)有的 df.index。
>>> better_index = ["X1", "X2", "Y1", "Y2", "Y3"]
>>> df0.index = better_index
>>> df0
A B C team
X1 0.548012 0.288583 0.734276 X
X2 0.342895 0.207917 0.995485 X
Y1 0.378794 0.160913 0.971951 Y
Y2 0.039738 0.008414 0.226510 Y
Y3 0.581093 0.750331 0.133022 Y
8.寫入CSV文件時忽略索引
數(shù)據(jù)導(dǎo)出到 CSV 文件時，默認 DataFrame 具有從 0 開始的索引。如果我們不想在導(dǎo)出的 CSV 文件中包含它，可以在to_csv方法中設(shè)置index參數(shù)。
>>> df0.to_csv("exported_file.csv", index=False)
如下所示，導(dǎo)出的 CSV 文件中，索引列未包含在文件中。
其實，很多方法中都有關(guān)于索引的設(shè)置，只不過大家一般比較關(guān)心數(shù)據(jù)，而經(jīng)常忽略了索引，才導(dǎo)致繼續(xù)運行時可能會報錯。以上幾個高頻的操作都是有索引設(shè)置的，建議大家平時用的時候養(yǎng)成設(shè)置索引的習(xí)慣，這樣會節(jié)省不少時間。
原創(chuàng)不易，歡迎點贊、留言、分享，支持我繼續(xù)寫下去。
參考：https://towardsdatascience.com/8-quick-tips-on-manipulating-index-with-pandas-c10ef9d1b44f
——END——
進入公眾號點擊菜單領(lǐng)取紅包
最低5元，最高56元！
