在pandas中，经常对数据进行处理 而导致数据索引顺序混乱，从而影响数据读取、插入等。

小笔总结了以下几种重置索引的方法：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.arange(20).reshape((5, 4)),columns=['a', 'b', 'c', 'd'])
#得到df：
     a    b    c    d
0    0    1    2    3
1    4    5    6    7
2    8    9    10   11
3    12   13   14   15
4    16   17   18   19

# 对其重排顺序，得到索引顺序倒序的数据
df2 = df.sort_values('a', ascending=False)
# 得到df2：
     a    b     c     d
4    16   17    18    19
3    12   13    14    15
2    8    9     10    11
1    4    5     6     7
0    0    1     2     3

下面对df2重置索引，使其索引从0开始

法一：

简单粗暴：

df2.index = range(len(df2))

# 输出df2：
     a     b     c     d
0    16    17    18    19
1    12    13    14    15
2    8     9     10    11
3    4     5     6     7
4    0     1     2     3

法二：

df2 = df2.reset_index(drop=True)  # drop=True表示删除原索引，不然会在数据表格中新生成一列'index'数据
# 输出df2：
     a     b     c     d
0    16    17    18    19
1    12    13    14    15
2    8     9     10    11
3    4     5     6     7
4    0     1     2     3

法三：

df2 = df2.reindex(labels=range(len(df))  #labels是第一个参数，可以省略
# 输出df2
     a     b     c     d
0    16    17    18    19
1    12    13    14    15
2    8     9     10    11
3    4     5     6     7
4    0     1     2     3

# 注：df = df.reindex(index=[])，在原数据结构上新建行（index是新索引，若新建数据索引在原数据中存在，则引用原有数据），默认用NaN填充(使用fill_value=0 来修改填充值自定义，此处我设置的是0)。
# df = df.reindex(columns=[])，在原数据结构上新建列，方法与新建行一样

法四：

df2 = df2.set_index(keys=['a', 'c'])  # 将原数据a, c列的数据作为索引。
# drop=True，默认，是将数据作为索引后，在表格中删除原数据
# append=False，默认，是将新设置的索引设置为内层索引，原索引是外层索引

# 输出df2，注意a,c列是索引:
            b     d
a     c        
16    18    17    19
12    14    13    15
8     10    9     11
4     6     5     7
0     2     1     3

到此这篇关于pandas中DataFrame重置索引的几种方法的文章就介绍到这了,更多相关pandas DataFrame重置索引内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！