pandas.DataFrame.reset_index#

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='', allow_duplicates=NoDefault.no_default, names=None)[源代码]#

重置索引或其级别。

重置DataFrame的索引，并使用默认索引。如果DataFrame具有多重索引，则此方法可以移除一个或多个级别。

参数

levelInt、str、tuple或list，默认为无: 仅从索引中删除给定级别。默认情况下删除所有级别。
drop布尔值，默认为False: 不要试图将索引插入到数据框列中。这会将索引重置为默认整数索引。
inplace布尔值，默认为False: 就地修改DataFrame(不创建新对象)。
col_levelInt或str，默认为0: 如果柱有多个标高，则确定将标签插入到哪个标高。默认情况下，它被插入到第一层中。
col_fill对象，默认为‘’: 如果柱有多个标高，则确定如何命名其他标高。如果没有，则索引名称重复。
allow_duplicatesBool，可选，默认lib.no_default: 允许创建重复的列标签。

1.5.0 新版功能.
namesInt、str或一维列表，默认为无: 使用给定的字符串，重命名包含索引数据的DataFrame列。如果DataFrame具有多重索引，则它必须是长度等于层数的列表或元组。

1.5.0 新版功能.

退货

DataFrame或无: 使用新索引的DataFrame，或者如果 inplace=True 。

参见

DataFrame.set_index: 与RESET_INDEX相反。
DataFrame.reindex: 更改为新索引或扩展索引。
DataFrame.reindex_like: 更改为与其他DataFrame相同的索引。

示例

>>> df = pd.DataFrame([('bird', 389.0),
...                    ('bird', 24.0),
...                    ('mammal', 80.5),
...                    ('mammal', np.nan)],
...                   index=['falcon', 'parrot', 'lion', 'monkey'],
...                   columns=('class', 'max_speed'))
>>> df
         class  max_speed
falcon    bird      389.0
parrot    bird       24.0
lion    mammal       80.5
monkey  mammal        NaN

当我们重置索引时，旧索引被添加为列，并使用新的顺序索引：

>>> df.reset_index()
    index   class  max_speed
0  falcon    bird      389.0
1  parrot    bird       24.0
2    lion  mammal       80.5
3  monkey  mammal        NaN

我们可以使用 drop 参数以避免将旧索引添加为列：

>>> df.reset_index(drop=True)
    class  max_speed
0    bird      389.0
1    bird       24.0
2  mammal       80.5
3  mammal        NaN

您还可以使用 reset_index 使用 MultiIndex 。

>>> index = pd.MultiIndex.from_tuples([('bird', 'falcon'),
...                                    ('bird', 'parrot'),
...                                    ('mammal', 'lion'),
...                                    ('mammal', 'monkey')],
...                                   names=['class', 'name'])
>>> columns = pd.MultiIndex.from_tuples([('speed', 'max'),
...                                      ('species', 'type')])
>>> df = pd.DataFrame([(389.0, 'fly'),
...                    ( 24.0, 'fly'),
...                    ( 80.5, 'run'),
...                    (np.nan, 'jump')],
...                   index=index,
...                   columns=columns)
>>> df
               speed species
                 max    type
class  name
bird   falcon  389.0     fly
       parrot   24.0     fly
mammal lion     80.5     run
       monkey    NaN    jump

使用 names 参数中，选择索引列的名称：

>>> df.reset_index(names=['classes', 'names'])
  classes   names  speed species
                     max    type
0    bird  falcon  389.0     fly
1    bird  parrot   24.0     fly
2  mammal    lion   80.5     run
3  mammal  monkey    NaN    jump

如果索引有多个级别，我们可以重置其中的一个子集：

>>> df.reset_index(level='class')
         class  speed species
                  max    type
name
falcon    bird  389.0     fly
parrot    bird   24.0     fly
lion    mammal   80.5     run
monkey  mammal    NaN    jump

如果我们不删除索引，默认情况下，它被放在顶层。我们可以把它放在另一个层面上：

>>> df.reset_index(level='class', col_level=1)
                speed species
         class    max    type
name
falcon    bird  389.0     fly
parrot    bird   24.0     fly
lion    mammal   80.5     run
monkey  mammal    NaN    jump

当索引插入到另一个级别下时，我们可以使用参数指定在哪个级别下 col_fill ：

>>> df.reset_index(level='class', col_level=1, col_fill='species')
              species  speed species
                class    max    type
name
falcon           bird  389.0     fly
parrot           bird   24.0     fly
lion           mammal   80.5     run
monkey         mammal    NaN    jump

如果我们为指定一个不存在的级别 col_fill ，它是创建的：

>>> df.reset_index(level='class', col_level=1, col_fill='genus')
                genus  speed species
                class    max    type
name
falcon           bird  389.0     fly
parrot           bird   24.0     fly
lion           mammal   80.5     run
monkey         mammal    NaN    jump

pandas.DataFrame.resample

pandas.DataFrame.rfloordiv