Rumah >pembangunan bahagian belakang >Tutorial Python >Bagaimana untuk Menukar Indeks Pandas DataFrame menjadi Lajur?

Bagaimana untuk Menukar Indeks Pandas DataFrame menjadi Lajur?

Mary-Kate Olsen
Mary-Kate Olsenasal
2024-12-04 15:50:131020semak imbas

How to Convert a Pandas DataFrame Index into a Column?

Menukar Indeks Bingkai Data menjadi Lajur

Dalam pustaka Pandas Python, mengubah indeks bingkai data menjadi lajur boleh menjadi manipulasi data yang berguna tugasan. Begini cara anda boleh mencapai penukaran ini:

Menggunakan kaedah df['index1'] = df.index:

Pendekatan ini secara langsung memperuntukkan indeks bingkai data kepada yang baharu lajur bernama 'index1' menggunakan = operator:

df['index1'] = df.index

Selepas operasi ini, kerangka data akan memasukkan lajur tambahan 'index1' yang mengandungi nilai indeks asal.

Menggunakan Kaedah .reset_index:

Sebagai alternatif, anda boleh menggunakan kaedah .reset_index untuk menukar indeks kepada lajur dan secara serentak menetapkan semula indeks asal:

df = df.reset_index()

Indeks atau parameter tahap tertentu boleh digunakan untuk menyesuaikan nombor atau tahap tertentu untuk ditetapkan semula:

df = df.reset_index(level=[0, 1])

Ini akan menetapkan semula indeks peringkat pertama dan kedua, menukarnya kepada lajur.

Contoh:

Pertimbangkan bingkai data di bawah:

        gi       ptt_loc
0  384444683      593
1  384444684      594
2  384444686      596

Menggunakan yang pertama kaedah:

df['index1'] = df.index

Akan menghasilkan:

    index1    gi       ptt_loc
0  0     384444683      593
1  1     384444684      594
2  2     384444686      596

Menggunakan kaedah kedua:

df = df.reset_index()

Akan menghasilkan:

   index  gi       ptt_loc
0      0  384444683      593
1      1  384444684      594
2      2  384444686      596

Kedua-dua kaedah secara berkesan menukar indeks kepada lajur. Walau bagaimanapun, kaedah .reset_index juga menetapkan semula indeks asal.

Atas ialah kandungan terperinci Bagaimana untuk Menukar Indeks Pandas DataFrame menjadi Lajur?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn