Porozmawiajmy, jak zresetować indeks w Pandas DataFrame. Często zaczynamy od ogromnej ramki danych Pandy a po manipulowaniu/przefiltrowaniu ramki danych otrzymujemy znacznie mniejszą ramkę danych. Kiedy patrzymy na mniejszą ramkę danych, może ona nadal zawierać indeks wiersza oryginalnej ramki danych. Jeśli oryginalny indeks to liczby , teraz mamy indeksy, które nie są ciągłe.
pseudokod Java
Zresetuj składnię indeksu
Składnia:
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=)
- Parametry:
level>: Określa wielopoziomowe poziomy indeksu do zresetowania.drop>: Odrzuca bieżący indeks, jeśli ma wartość True; dodaje jako nową kolumnę, jeśli ma wartość Fałsz.inplace>: Modyfikuje ramkę danych w miejscu, jeśli ma wartość True; zwraca nową ramkę danych, jeśli ma wartość False.col_level>: Określa, który poziom kolumn wielopoziomowych ma zostać zresetowany.col_fill>: Uzupełnia brakujące wartości na poziomach kolumn.- Typ zwrotu: Zwraca nową ramkę danych if
inplace>to fałsz; Żadne, jeśliinplace>jest prawdziwy
Cóż, pandy tak mają reset_index()> funkcjonować. Aby zresetować indeks do domyślnego indeksu całkowitego zaczynającego się od 0, możemy po prostu użyć metodyreset_index()>funkcjonować. Przyjrzyjmy się więc różnym sposobom resetowania indeksu ramki DataFrame.
Co to jest resetowanie indeksu?
W Pyton język programowania i biblioteka pandas,reset_index>Metoda służy do resetowania indeksu ramki danych. Kiedy wykonujesz operacje na ramce DataFrame w pandach, indeks ramki DataFrame może się zmienić lub stać się nieuporządkowany. Thereset_index>Metoda pozwala zresetować indeks do domyślnego indeksu opartego na liczbach całkowitych i zresetować indeks Ramka danych Pandy opcjonalnie usunięcie bieżącego indeksu.
Zresetuj indeks w ramce danych Pandy
Istnieją różne metody, za pomocą których możemy zresetować indeks w Pandas Dataframe, niektóre powszechnie stosowane metody wyjaśniamy na przykładach.
- Utwórz własny indeks bez usuwania indeksu domyślnego
- Utwórz własny indeks i usuń indeks domyślny
- Zresetuj własny indeks i utwórz indeks domyślny jako indeks
- Utwórz kolumnę ramki danych jako indeks i usuń indeks domyślny
- Utwórz kolumnę ramki danych jako indeks bez usuwania indeksu
Tworzenie ramki danych Pandy
Tutaj tworzymy przykładową ramkę danych Pandy:
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data)> print>(df)> |
>
>
Wyjście:
Name Age Address Qualification 0 Jai 27 Delhi Msc 1 Princi 24 Kanpur MA 2 Gaurav 22 Allahabad MCA 3 Anuj 32 Kannauj Phd 4 Geeku 15 Noida 10th>
Tworzyć Indeks własny bez usuwania indeksu domyślnego
W poniższym przykładzie kod wykorzystuje bibliotekę pandas do utworzenia ramki DataFrame z danych pracowników. Definiuje A słownik, ustawia indeks niestandardowy, konwertuje go na ramkę DataFrame, resetuje indeks i drukuje wynik.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # Make Own Index as index> # In this case default index is exist> df.reset_index(inplace>=> True>)> print>(df)> |
>
>
Wyjście:
index Name Age Address Qualification 0 a Jai 27 Delhi Msc 1 b Princi 24 Kanpur MA 2 c Gaurav 22 Allahabad MCA 3 d Anuj 32 Kannauj Phd 4 e Geeku 15 Noida 10th>
Utwórz własny indeks i usuń indeks domyślny
W poniższym przykładzie kod wykorzystuje bibliotekę pandas do utworzenia ramki DataFrame na podstawie danych pracowników przechowywanych w słowniku. Ustawia indeks niestandardowy („a” na „e”), a następnie drukuje wynikową ramkę DataFrame, w której indeks niestandardowy zastępuje domyślny indeks numeryczny.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> # Make Own Index and Removing Default index> df>=> pd.DataFrame(data, index)> print>(df)> |
Java pgm
>
>
Wyjście:
Name Age Address Qualification a Jai 27 Delhi Msc b Princi 24 Kanpur MA c Gaurav 22 Allahabad MCA d Anuj 32 Kannauj Phd e Geeku 15 Noida 10th>
Zresetuj własny indeks i utwórz indeks domyślny jako indeks
W poniższym przykładzie kod tworzy ramkę danych Pandas na podstawie słownika danych pracowników z niestandardowym indeksem („a” do „e”). Następnie resetuje indeks, zastępując indeks niestandardowy domyślnym indeksem numerycznym, a następnie drukuje wynikową ramkę.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # remove own index with default index> df.reset_index(inplace>=> True>, drop>=> True>)> print>(df)> |
>
>
Wyjście :
rokmiesiąc
Name Age Address Qualification 0 Jai 27 Delhi Msc 1 Princi 24 Kanpur MA 2 Gaurav 22 Allahabad MCA 3 Anuj 32 Kannauj Phd 4 Geeku 15 Noida 10th>
Utwórz kolumnę jako indeks i usuń indeks domyślny
W poniższym przykładzie kod tworzy ramkę danych Pandas na podstawie danych pracowników, ustawia indeks niestandardowy, a następnie zmienia indeks na kolumnę „Wiek”, usuwając jednocześnie domyślny indeks liczbowy. Ostateczna ramka danych jest drukowana dwukrotnie.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # set index any column of our DF and> # remove default index> df.set_index([>'Age'>], inplace>=> True>)> print>(df)> |
>
>
pandy lok
Wyjście:
Name Address Qualification Age 27 Jai Delhi Msc 24 Princi Kanpur MA 22 Gaurav Allahabad MCA 32 Anuj Kannauj Phd 15 Geeku Noida 10th>
Utwórz kolumnę ramki danych jako indeks bez usuwania indeksu
W poniższym przykładzie kod tworzy DataFrame z danych pracowników, początkowo używając niestandardowego indeksu. Następnie ustawia kolumnę „Wiek” jako indeks, resetuje indeks bez usuwania domyślnego indeksu liczbowego i na koniec drukuje wynikową ramkę DataFrame.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # set any column as index> # Here we set age column as index> df.set_index([>'Age'>], inplace>=> True>)> # reset index without removing default index> df.reset_index(level>=>[>'Age'>], inplace>=> True>)> print>(df)> |
>
>
Wyjście:
Age Name Address Qualification 0 27 Jai Delhi Msc 1 24 Princi Kanpur MA 2 22 Gaurav Allahabad MCA 3 32 Anuj Kannauj Phd 4 15 Geeku Noida 10th>