设置列为单索引和复合索引

即将 DataFrame 中的某一列或者某几列设置为该DataFrame的索引。

DataFrame可通过.set_index方法，将列设置单索引和复合索引，获取一个使用了新索引的新数组，并继承旧数据。

obj.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

from pandas import Series,DataFrame

import pandas as pd

import numpy as np

data = {'state':['Ohino','Ohino','Ohino','Nevada','Nevada'], 'year':[2000,2001,2002,2001,2002], 'pop':[1.5,1.7,3.6,2.4,2.9]}

df = DataFrame(data,index=['one','two','three','four','five'],columns=['year','state','pop','debt'])

df

Out[9]:

year state pop debt

one 2000 Ohino 1.5 NaN

two 2001 Ohino 1.7 NaN

three 2002 Ohino 3.6 NaN

four 2001 Nevada 2.4 NaN

five 2002 Nevada 2.9 NaN

.set_index( )方法接受一个新索引（keys）并返回一个新数组。这个 keys 的值可以是调用者的一个列名，即将某一列设为新数组的索引，或者是多个列名组成的序列，得到一个复合索引。

indexed_df1 = df.set_index('year')

indexed_df1

Out[10]:

state pop debt

year

2000 Ohino 1.5 NaN

2001 Ohino 1.7 NaN

2002 Ohino 3.6 NaN

2001 Nevada 2.4 NaN

2002 Nevada 2.9 NaN

indexed_df1 的索引就变成了year这一列。

indexed_df2 = df.set_index(['year','state'])

indexed_df2

Out[11]:

pop debt

year state

2000 Ohino 1.5 NaN

2001 Ohino 1.7 NaN

2002 Ohino 3.6 NaN

2001 Nevada 2.4 NaN

2002 Nevada 2.9 NaN

indexed_df2 的索引就变成了(year,state)的复合索引。

重新索引

即调整之前索引的位置顺序。

• Series

Series 对象的重新索引通过其 `.reindex(index=None,**kwargs)` 方法实现。`**kwargs` 中常用的参数有俩：`method=None, fill_value=np.NaN`。

ser = Series([4.5,7.2,-5.3,3.6],index=['d','b','a','c'])

ser

Out[91]:

d 4.5

b 7.2

a -5.3

c 3.6

dtype: float64

a = ['a','b','c','d','e']

ser.reindex(a)

Out[93]:

a -5.3

b 7.2

c 3.6

d 4.5

e NaN

dtype: float64

.reindex() 方法会返回一个新对象，其 index 严格遵循给出的参数，当给出的index之前不存在时，会使用 method 指定的方法自动填充，method:{'backfill'/'bfill', 'pad'/'ffill', None} 参数用于指定插值（填充）方式（method = ‘ffill’/'bfill'，ffill = pad，bfill = backfill，分别指插值时向前还是向后取值），当没有给出时，自动用 fill_value 填充，默认为 NaN/None。

• DataFrame

DataFrame 对象的重新索引方法为：.reindex(index=None,columns=None,**kwargs)。仅比 Series 多了一个可选的 columns 参数，用于给列索引。用法与上例类似，只不过插值方法 method 参数只能应用于行，即轴 0。

df

Out[86]:

year state pop debt

one 2000 Ohino 1.5 NaN

two 2001 Ohino 1.7 NaN

three 2002 Ohino 3.6 NaN

four 2001 Nevada 2.4 NaN

five 2002 Nevada 2.9 NaN

state = ['pop','debt','year','state']

df.reindex(columns=state)

Out[88]:

pop debt year state

one 1.5 NaN 2000 Ohino

two 1.7 NaN 2001 Ohino

three 3.6 NaN 2002 Ohino

four 2.4 NaN 2001 Nevada

five 2.9 NaN 2002 Nevada

df.reindex(index=['five','four','three'],columns=state)

Out[89]:

pop debt year state

five 2.9 NaN 2002 Nevada

four 2.4 NaN 2001 Nevada

three 3.6 NaN 2002 Ohino

fill_value参数依然有效，同时可以以通过 df.T.reindex('***',method='**').T 这样的方式来实现在列上的插值。

特别注意：

使用 reindex(index,method='**') 自动填充(method:{'backfill'/'bfill', 'pad'/'ffill'} )时，index 必须是单调的（1—>2—>3—>4，a—>b—>c—>d），否则就会引发一个 ValueError: Must be monotonic for forward fill。

索引查找

查找某个值在数组中的索引。

类似于 Python 内建的 list.index(value) 方法。可以通过布尔索引来实现。比如我们想在一个 Series 中寻找到 ‘c’：

ser = Series(list('abcdefg'))

ser[ser =='c']

Out[32]:

2 c

dtype: object

Series 中还有一对 ser.idxmax() 和 ser.idxmin() 方法，可以返回数组中最大（小）值的索引值，或者 .argmin() 和 .argmax() 结果也是一样的。当然这两类方法也是可以通过上面这种 ser[ser==ser.max()] 来替代实现的。

ser = Series(data = [1,4,6,2,10,3],index = ['a','s','d','f','g','h'])

ser.idxmax()

Out[50]: 'g'

ser.argmax()

Out[51]: 'g'

ser[ser == ser.max()]

Out[52]:

g 10

dtype: int64

欢迎继续关注，下一篇将为大家介绍重点内容，Series和DataFrame的索引和切片功能，也是实际运用中使用最多的功能。