PandasDataFrame重置Series的索引index

什么是Pandas.DataFrame和Series？

Pandas是Python中一种开放源代码的数据分析、数据处理的库，提供高性能、易于使用的数据类型和分析工具。它有两种主要的数据结构：DataFrame和Series。

DataFrame 是一种表格型的数据结构，每列可以是不同的数据类型(int,float,str等)。DataFrame 既有行索引(index)，又有列索引(columns)，可以看作是由Series组成的字典。Series 是一种类似于一维数组的对象，它由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(index)组成。

如何重置Series的索引index？

在Pandas中，Series 的索引可以被重建或者重置成默认的整数索引。使用 .reset_index() 方法来重置Series的索引。如果没有给定任何参数，则默认将原始索引列添加为一列新的数据列并添加一个默认的整数索引。

import pandas as pd

data = {'a': 1, 'b': 2, 'c': 3}
s = pd.Series(data, name='values')

# 重置索引, 将原始索引列加为新的数据列
s_new = s.reset_index()
print(s_new)

输出结果为：

  index  values
0     a       1
1     b       2
2     c       3

如何删除Series重置后的索引列？

在重置索引后，有时候需要删除原始索引列，可以使用参数 drop=True 来删除。

s_new = s.reset_index(drop=True)
print(s_new)

输出结果为：

0    1
1    2
2    3
Name: values, dtype: int64

如何调整Series的索引index？

有时候我们需要更改Series的索引，可以使用 .set_index() 方法，其中参数为新的索引。

 
s_new = s.set_index(pd.Index(['x', 'y', 'z']), name='letters')
print(s_new)

输出结果为：

letters
x          1
y          2
z          3
Name: values, dtype: int64

总结：在使用Pandas时，Series和DataFrame是重要的数据结构，有些时候会需要对Series的索引进行修改或者重置。可以使用 .reset_index() 方法来重置Series的索引。可以使用参数 drop=True 来删除原始索引列。可以使用 .set_index() 方法来调整Series的索引。