Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Загрузка образца фрейма данных
  • Как сбросить индекс DataFrame в Pandas
  • Как удалить индекс DataFrame в Pandas
  • Как сбросить индекс Pandas на месте
  • Как сбросить многоуровневый индекс Pandas
  • Как сбросить только один уровень многоуровневого индекса Pandas
  • Заключение
  • Дополнительные ресурсы
  1. Учебники по Pandas и Numpy
  2. Pandas

Сброс индекса в Pandas: как сбросить индекс в Pandas

Добро пожаловать в этот учебник по сбросу индекса Pandas DataFrame. В этом посте вы узнаете, как использовать мощный метод .reset_index() Pandas для уточнения индекса вашего DataFrame, создания чистых структур данных для ваших аналитических и моделировочных задач и открытия более глубоких инсайтов из ваших данных.

Перезагрузка и работа с индексом в Pandas - это то, с чем я сталкиваюсь каждый день, работая с Pandas. Это руководство охватывает мои любимые способы сброса индекса – все они проверены и испытаны! Мы рассмотрим важные темы, такие как:

  • Как работает .reset_index() и когда его использовать

  • Как сбросить индекс и удалить исходный столбец

  • Как удалить индекс в многоиндексном DataFrame

  • Как сбросить индекс на месте

Будь вы новичок в Pandas или продвинутый пользователь, стремящийся улучшить свои навыки индексации, эта инструкция предоставит вам необходимые знания и опыт для легкого выполнения сложных операций с индексацией. Давайте погрузимся в изучение метода reset_index() библиотеки Pandas, который позволяет сбросить индекс вашего DataFrame.

Быстрый ответ: различные способы сброса индекса

# The Different Ways to Reset an Index
import pandas as pd
df = pd.DataFrame()

# Reset an index and keep it
df = df.reset_index()  

# Reset index and drop it
df = df.reset_index(drop=True)   

# Reset index in place
df.reset_index(inplace=True)

# Reset a Level of a Multi-Index DataFrame
df = df.reset_index(level=1)

Оглавление

Загрузка образца фрейма данных

Чтобы следовать этому руководству, я предоставил ниже пример Pandas DataFrame. Вы, конечно, можете использовать свой собственный набор данных, хотя ваши результаты могут отличаться. Я намеренно сделал набор данных максимально простым, чтобы вам было легче следовать за инструкциями.

# Load a sample pandas dataframe
import pandas as pd
df = pd.DataFrame(
    {'Name': ['Jane', 'Melissa', 'John', 'Matt'],
     'Age': [23, 45, 35, 64],
     'Birth City': ['Toronto', 'Atlanta', 'Toronto', 'Atlanta'],
     'Gender': ['F', 'F', 'M', 'M']}).set_index('Name')

# Returns:
#          Age Birth City Gender
# Name                          
# Jane      23    Toronto      F
# Melissa   45    Atlanta      F
# John      35    Toronto      M
# Matt      64    Atlanta      M

В приведенном выше блоке кода мы загрузили Python словарь в DataFrame. Затем мы применили метод .set_index() к DataFrame, чтобы получить более значимый индекс.

Как сбросить индекс DataFrame в Pandas

В этом разделе мы подробнее рассмотрим, как работает метод .reset_index() и когда его следует использовать в задачах анализа данных.

Понимая тонкости метода .reset_index(), вы сможете преобразовать ваши данные в чистые, структурированные и более интуитивно понятные фреймы данных, которые лучше подходят для ваших задач.

Давайте рассмотрим синтаксис метода:

# Understanding the Pandas reset_index() Method
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

Давайте рассмотрим, что делают различные параметры:

Параметр
Описание
Значение по умолчанию

level=

Позволяет нам указать уровни многоиндексного DataFrame. По умолчанию он сбрасывает все уровни.

None

drop=

Позволяет нам указать, что исходный индекс должен быть удален (а не вставлен как новый столбец DataFrame).

False

inplace=

Следует ли изменять DataFrame вместо создания нового.

False

col_level=

Позволяет нам указать, на какой уровень должны быть вставлены метки столбцов, если они имеют несколько уровней.

0

col_fill=

Позволяет указать, если DataFrame имеет несколько уровней, чем должны быть заполнены другие уровни. Если передано None, имя индекса повторяется.

”

Теперь, когда мы знаем, как метод работает в теории, давайте попрактикуемся, как мы можем на самом деле сбросить индекс.

# How to reset a Pandas dataframe index
import pandas as pd
df = pd.DataFrame({'Name': ['Jane', 'Melissa', 'John', 'Matt'], 'Age': [23, 45, 35, 64],'Birth City': ['Toronto', 'Atlanta', 'Toronto', 'Atlanta'], 'Gender': ['F', 'F', 'M', 'M']}).set_index('Name')

print('The original dataframe:')
print(df)

reset_index_df = df.reset_index()

print('\nThe new dataframe:')
print(reset_index_df)

Это возвращает следующие DataFrames:

The original dataframe:
         Age Birth City Gender
Name                          
Jane      23    Toronto      F
Melissa   45    Atlanta      F
John      35    Toronto      M
Matt      64    Atlanta      M

The new dataframe:
      Name  Age Birth City Gender
0     Jane   23    Toronto      F
1  Melissa   45    Atlanta      F
2     John   35    Toronto      M
3     Matt   64    Atlanta      M

Давайте более подробно рассмотрим, как мы использовали метод .reset_index() для сброса индекса и включения его в набор данных:

  1. Мы создали DataFrame и распечатали его оригинальную версию. В ней видно, что у DataFrame есть именованный индекс

  2. Мы затем применяем метод .reset_index() к DataFrame, не передавая никаких аргументов.

  3. Это возвращает DataFrame, в который исходный индекс добавлен в DataFrame как столбец.

Теперь давайте посмотрим, как мы можем сбросить индекс в Pandas и удалить значения исходного столбца.

Как удалить индекс DataFrame в Pandas

По умолчанию Pandas преобразует исходный индекс в столбец DataFrame. Это может не всегда соответствовать вашим ожиданиям. К счастью, Pandas предлагает полезный параметр, drop=, который позволяет нам удалить исходный индекс

По умолчанию параметр будет установлен в значение False, что означает, что оригинальный индекс не будет удален. Если установить параметр в значение drop=True, то оригинальный индекс не будет вставлен в DataFrame в качестве столбца.

# Reset a dataframe index and drop the original index
import pandas as pd
df = pd.DataFrame({'Name': ['Jane', 'Melissa', 'John', 'Matt'], 'Age': [23, 45, 35, 64],'Birth City': ['Toronto', 'Atlanta', 'Toronto', 'Atlanta'], 'Gender': ['F', 'F', 'M', 'M']}).set_index('Name')

print('The original dataframe:')
print(df)

reset_index_df = df.reset_index(drop=True)

print('\nThe new dataframe:')
print(reset_index_df)

Давайте посмотрим, как выглядят эти DataFrame:

The original dataframe:
         Age Birth City Gender
Name                          
Jane      23    Toronto      F
Melissa   45    Atlanta      F
John      35    Toronto      M
Matt      64    Atlanta      M

The new dataframe:
   Age Birth City Gender
0   23    Toronto      F
1   45    Atlanta      F
2   35    Toronto      M
3   64    Atlanta      M

Как видно выше, когда мы сбрасываем индекс и устанавливаем drop=True, оригинальный индекс не был добавлен в DataFrame в качестве столбца.

В следующем разделе вы узнаете, как сбросить индекс Pandas на месте, то есть вам не нужно будет его переназначать.

Как сбросить индекс Pandas на месте

В предыдущих разделах этого руководства мы сбрасывали индекс и всегда переприсваивали DataFrame самому себе. Мы делали это потому что метод возвращает сам DataFrame.

Однако не всегда может возникнуть желание повторно присваивать DataFrame. По этой причине Pandas позволяет сбрасывать индекс Pandas на месте, используя параметр inplace=. По умолчанию этот параметр будет установлен в

Однако вы можете установить параметр в значение True, чтобы не приходилось повторно присваивать DataFrame.

Одно из преимуществ использования inplace=True заключается в том, что это может экономить память, модифицируя оригинальный объект вместо создания нового. Это может быть важно при работе с очень большими наборами данных, где использование памяти является обеспокоенностью.

Одним из недостатков этого подхода является ухудшение читаемости кода. Поскольку многие операции в Pandas могут выполняться на месте, очень важно придерживаться консистентности. Лично я рекомендую повторно присваивать DataFrame самому себе, если только я не работаю с особенно большим набором данных.

Давайте посмотрим, как можно удалить индекс DataFrame в Pandas на месте:

# Reset a Dataframe Index inlace
import pandas as pd
df = pd.DataFrame({'Name': ['Jane', 'Melissa', 'John', 'Matt'], 'Age': [23, 45, 35, 64],'Birth City': ['Toronto', 'Atlanta', 'Toronto', 'Atlanta'], 'Gender': ['F', 'F', 'M', 'M']}).set_index('Name')

print('The original dataframe:')
print(df)

df.reset_index(inplace=True)

print('\nThe new dataframe:')
print(df)

Запуск этого кода возвращает следующие DataFrames.

The original dataframe:
         Age Birth City Gender
Name                          
Jane      23    Toronto      F
Melissa   45    Atlanta      F
John      35    Toronto      M
Matt      64    Atlanta      M

The new dataframe:
      Name  Age Birth City Gender
0     Jane   23    Toronto      F
1  Melissa   45    Atlanta      F
2     John   35    Toronto      M
3     Matt   64    Atlanta      M

Как мы видим из предыдущего вывода, индекс DataFrame был удален на месте. Это означает, что результат выглядит так же, как и то, что мы видели ранее. В следующем разделе вы научитесь сбрасывать многоуровневый индекс Pandas — приступим!

Как сбросить многоуровневый индекс Pandas

При работе с Pandas DataFrames с многоуровневым индексом, управление и манипулирование структурой индексации ваших данных может показаться сложной задачей. К счастью, метод .reset_index() может помочь упростить индексацию вашего DataFrame с многоуровневым индексом, позволяя сжать один или несколько уровней индекса в один столбец или даже полностью убрать индекс.

В этом разделе вы научитесь сбрасывать индекс в DataFrame Pandas с несколькими индексами, чтобы вы могли перестроить уровни DataFrame в соответствии с вашими потребностями анализа или экспортировать данные в другие приложения. Давайте начнем с загрузки нового образца DataFrame:

# Creating a Multi-Index Pandas DataFrames
import pandas as pd
df = pd.DataFrame({'Name': ['Jane', 'Melissa', 'John', 'Matt'], 'Age': [23, 45, 35, 64],'Birth City': ['Toronto', 'Atlanta', 'Toronto', 'Atlanta'], 'Gender': ['F', 'F', 'M', 'M']}).set_index(['Gender', 'Name'])
print(df)

# Returns:
#                 Age Birth City
# Gender Name                   
# F      Jane      23    Toronto
#        Melissa   45    Atlanta
# M      John      35    Toronto
#        Matt      64    Atlanta

Здесь мы видим два индекса. Сбросить их легко - это происходит так же, как если бы был только один индекс. Это потому что значения аргументов по умолчанию позволяют нам сбросить все уровни (используя level=None) и заполнить пропущенные значения с помощью col_fill=''

Благодаря этим параметрам по умолчанию, когда мы используем метод .reset_index(), мы получаем ожидаемые результаты!

print('The original dataframe:')
print(df)

reset_index_dataframe = df.reset_index()

print('\nThe new dataframe:')
print(reset_index_dataframe)

Это возвращает следующий DataFrame:

The original dataframe:
                Age Birth City
Gender Name                   
F      Jane      23    Toronto
       Melissa   45    Atlanta
M      John      35    Toronto
       Matt      64    Atlanta

The new dataframe:
  Gender     Name  Age Birth City
0      F     Jane   23    Toronto
1      F  Melissa   45    Atlanta
2      M     John   35    Toronto
3      M     Matt   64    Atlanta

Из приведенных выше блоков кода видно, что индексные столбцы были сброшены и добавлены в DataFrame в виде столбцов. В исходном многоуровневом индексе повторяющиеся значения в столбцах не отображались. Однако в результирующем DataFrame эти значения дублируются вниз.

В следующем разделе вы узнаете, как сбросить только один уровень мультииндексного DataFrame.

Как сбросить только один уровень многоуровневого индекса Pandas

При работе с DataFrame в Pandas с многоуровневым индексом не всегда требуется сбрасывать все уровни индексов. К счастью, Pandas предлагает мощную функцию, которая позволяет выборочно сбрасывать определенные уровни многоуровневого индекса вашего DataFrame. Эта функция называется параметромlevel=

Используя параметр level=, вы можете нацелиться на определённые уровни индекса и сбросить только их, оставляя другие уровни без изменений. Это может быть особенно полезно, когда вам нужно сохранить определённые иерархические группировки в ваших данных, но хотите переорганизовать другие уровни структуры индексации.

# Reset only one level of a multi-index Pandas DataFrame
import pandas as pd
df = pd.DataFrame({'Name': ['Jane', 'Melissa', 'John', 'Matt'], 'Age': [23, 45, 35, 64],'Birth City': ['Toronto', 'Atlanta', 'Toronto', 'Atlanta'], 'Gender': ['F', 'F', 'M', 'M']}).set_index(['Gender', 'Name'])

print('The original dataframe:')
print(df)

reset_index_dataframe = df.reset_index(level=1)

print('\nThe new dataframe:')
print(reset_index_dataframe)

Это возвращает следующий DataFrame:

The original dataframe:
                Age Birth City
Gender Name                   
F      Jane      23    Toronto
       Melissa   45    Atlanta
M      John      35    Toronto
       Matt      64    Atlanta

The new dataframe:
           Name  Age Birth City
Gender                         
F          Jane   23    Toronto
F       Melissa   45    Atlanta
M          John   35    Toronto
M          Matt   64    Atlanta

При выполнении метода .reset_index(level = 1) на данном DataFrame мы выборочно сбрасываем второй уровень мультииндекса, то есть ‘Name’, превращая его из мультиуровневого индекса в одиночный индекс, при этом уровень ‘Gender’ остается без изменений.

Заключение

Поздравляем! Вы научились как профессионал сбрасывать индексы DataFrame в Pandas! В этом учебнике мы начали с основ и рассмотрели некоторые из самых важных и практических применений метода .reset_index() в Pandas.

Будь вы опытным аналитиком данных или только начинаете работать с Python и Pandas, овладение методом .reset_index() является обязательным при работе со сложными структурами данных.

Итак, что дальше? Попробуйте самостоятельно экспериментировать с функцией .reset_index() на своих фреймах данных и изучить влияние различных значений параметров, таких как параметр level. Кроме того, вы можете исследовать другие функции Pandas, дополняющие .reset_index(), например, .set_index(), чтобы дальше совершенствовать и манипулировать вашими структурами данных.

Дополнительные ресурсы

Чтобы узнать больше о смежных темах, ознакомьтесь с нижеприведенными ресурсами:

  • Индекс переименования Pandas: как переименовать индекс Dataframe Pandas

  • Индексирование, выбор и присвоение данных в Pandas

PreviousPandas date_range: Как Создать Диапазон Дат в PandasNextPandas replace() – Замена значений в DataFrame Pandas

Last updated 1 year ago

Чтобы узнать больше о методе reset_index() в Pandas, ознакомьтесь с .

официальной документацией здесь
Загрузка образца фрейма данных
Как сбросить индекс DataFrame в Pandas
Как удалить индекс DataFrame в Pandas
Как сбросить индекс Pandas на месте
Как сбросить многоуровневый индекс Pandas
Как сбросить только один уровень многоуровневого индекса Pandas
Заключение
Дополнительные ресурсы