pandas index 行索引

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 的 index 属性用于访问和操作 DataFrame 或 Series 的行索引（Index）。它是一个 pandas.Index 对象，包含了 DataFrame 或 Series 的行标签。通过 index 属性，可以方便地进行索引的查看、设置和操作。下面我们详细讲解它的语法、属性和方法，并通过实例进行说明。

语法

DataFrame.index
Series.index

属性和方法

values：返回索引的值（以 NumPy 数组形式）。
name：返回或设置索引的名称。
is_unique：判断索引是否唯一。
is_monotonic_increasing：判断索引是否单调递增。
is_monotonic_decreasing：判断索引是否单调递减。

使用场景

查看和设置 DataFrame 或 Series 的行索引。
检查索引的唯一性和单调性。
重置索引或设置新的索引。

案例

df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Aritra'],
                   'Age': [25, 30, 35],
                   'Location': ['Seattle', 'New York', 'Kona']},
                  index=([10, 20, 30]))
df.index
# Index([10, 20, 30], dtype='int64')

在这个例子中，我们创建了一个有3行3列的DataFrame，包括名称、年龄和位置信息。我们将索引标签设置为整数10、20和30。然后，我们访问DataFrame的index属性，该属性返回一个包含索引标签的index对象。

df.index = [100, 200, 300]
df
'''
    Name  Age Location
100  Alice   25  Seattle
200    Bob   30 New York
300  Aritra  35    Kona

在这个例子中，我们通过为index属性分配一个新的标签列表来修改DataFrame的索引标签。然后用新标签更新DataFrame，输出显示修改后的DataFrame。

Series

要创建具有自定义索引的系列并查看索引标签，请执行以下操作：

cities = ['Kolkata', 'Chicago', 'Toronto', 'Lisbon']
populations = [14.85, 2.71, 2.93, 0.51]
city_series = pd.Series(populations, index=cities)
city_series.index
# Index(['Kolkata', 'Chicago', 'Toronto', 'Lisbon'], dtype='object')

要更改现有系列的索引标签，请执行以下操作：

city_series.index = ['KOL', 'CHI', 'TOR', 'LIS']
city_series.index
# Index(['KOL', 'CHI', 'TOR', 'LIS'], dtype='object')

示例

示例 1：查看索引

构造示例数据：

import pandas as pd

# 创建示例 DataFrame
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [10, 20, 30, 40, 50]
}
index = ['a', 'b', 'c', 'd', 'e']
df = pd.DataFrame(data, index=index)
print("原始数据:")
print(df)

输出：

原始数据:
   A   B
a  1  10
b  2  20
c  3  30
d  4  40
e  5  50

查看索引的属性

print("索引:")
print(df.index)
print("索引值:")
print(df.index.values)
print("索引名称:")
print(df.index.name)
print("索引是否唯一:")
print(df.index.is_unique)
print("索引是否单调递增:")
print(df.index.is_monotonic_increasing)

输出：

索引:
Index(['a', 'b', 'c', 'd', 'e'], dtype='object')
索引值:
['a' 'b' 'c' 'd' 'e']
索引名称:
None
索引是否唯一:
True
索引是否单调递增:
True

设置索引名称

df.index.name = 'letters'
print("设置索引名称后的数据:")
print(df)

输出：

设置索引名称后的数据:
          A   B
letters        
a         1  10
b         2  20
c         3  30
d         4  40
e         5  50

重置索引

df_reset = df.reset_index()
print("重置索引后的数据:")
print(df_reset)

输出：

重置索引后的数据:
  letters  A   B
0       a  1  10
1       b  2  20
2       c  3  30
3       d  4  40
4       e  5  50

设置新的索引

df_new_index = df_reset.set_index('letters')
print("设置新的索引后的数据:")
print(df_new_index)

输出：

设置新的索引后的数据:
          A   B
letters        
a         1  10
b         2  20
c         3  30
d         4  40
e         5  50

使用时间序列作为索引

构造时间序列数据：

index_time = pd.date_range('2023-01-01', periods=5)
df_time = pd.DataFrame(data, index=index_time)
print("时间序列数据:")
print(df_time)

输出：

时间序列数据:
            A   B
2023-01-01  1  10
2023-01-02  2  20
2023-01-03  3  30
2023-01-04  4  40
2023-01-05  5  50

通过这些示例，可以看到 index 属性在查看、设置和操作 DataFrame 或 Series 的行索引方面非常有用。它提供了方便的属性和方法来处理索引相关的任务。

参考

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.index.html
https://pandas.pydata.org/docs/reference/api/pandas.Series.index.html