Python之pandas：对pandas中dataframe数据的构造数据/输出索引、索引列重命名/字段去重/设置复合索引/根据列名获取对应索引等详细攻略

目录

对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略

知识点学习

实现代码

输出结果

对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略

知识点学习

• 构造数据
• 查看索引
• 修改列索引内元素名称
  重命名指定行索引名称， []列表的长度必须与df行数一致，可以重复
  输出当前的索引列名称
• 设置单个索引列
  指定索引列，其中drop=False 表示保留原先索引列的数据
  设置索引列名称
  输出当前的索引列名称
• 字段去重
  unique()对某列实现去重
• 设置复合索引：将多列设置为索引
  输出当前的索引列名称
• 根据列名获取对应索引

实现代码

 
 
import pandas as pd
import numpy as np
 
 
 1、定义数据集
contents={"name": ['Bob',        'LiSa',                     'Mary',                       'Alan'],
          "ID":   [1,              2,                            3,                            4],     输出 NaN
          "ID02":   [1,              2,                         ' ',                          None],     输出 NaN
          "age":  [np.nan,        28,                           38 ,                          '' ],    输出 
          "age02":  [14,           26,                           24 ,                          6], 
          "age03":  [14,           '26',                      '24' ,                        '6'], 
        "born": [pd.NaT,     pd.Timestamp("1990-01-01"),  pd.Timestamp("1980-01-01"),        ''],      输出 NaT
          "sex":  ['男',          '女',                        '女',                        None,],    输出 None
          "hobbey":['打篮球',     '打羽毛球',                   '打乒乓球',                    '',],    输出 
          "money":[200.0,                240.0,                   290.0,                     300.0],   输出
          "weight":[140.5,                120.8,                 169.4,                      155.6],   输出
          "test01":[1,    2.123456789,        3.123456781011126,   4.123456789109999],     输出
          "test02":[1,    2.123456789,        3.123456781011126,   4.123456789109999],     输出
          }
 
data_frame = pd.DataFrame(contents)
 
 Python之pandas：对pandas中dataframe数据的构造数据/输出索引、索引列重命名/字段去重/设置复合索引/根据列名获取对应索引等详细攻略
 
 
 构造数据
cols01=["name","ID","age","sex",]
nums_df_temp=data_frame.loc[:,cols01]
nums_csv_file="nums_df_temp.csv"
nums_df_temp.to_csv(nums_csv_file)
nums_df=pd.read_csv(nums_csv_file)
nums_df02=nums_df.copy(deep=True)
 
 
 查看索引
print('查看原始索引：',nums_df.index)                   
print('输出当前的索引列名称：',nums_df.index.name)    默认None
 
 
 修改列索引内元素名称
nums_df.index = ["0_Rename","1_Rename","2_Rename","3_Rename"]       重命名指定行索引名称， []列表的长度必须与df行数一致，可以重复
print(nums_df)
print('输出当前的索引列名称：',nums_df.index)    
 
 
 
 设置单个索引列
nums_df=nums_df.set_index('ID',drop=False)      指定索引列，其中drop=False、True表示保留原先索引列的数据
nums_df.index.name = 'Index_From_ID'            设置索引列名称
print('输出当前的索引列名称：',nums_df.index.name)         输出当前的索引列名称
print(nums_df)
 
 
 
 
 字段去重
print('字段去重，某列去重后所有元素',nums_df["sex"].unique())                unique()对某列实现去重
 
 
 
 
 
 
 设置复合索引：将多列设置为索引
nums_df02 = nums_df02.set_index(["name", "age"])
print('输出复合索引列：',nums_df02.index.name)   输出当前的索引列名称
print(nums_df02)
 
 
 
 根据列名获取对应索引
col_name = 'sex'
col_name_index =data_frame.columns.get_loc(col_name)
print('the index of 【%s】 col is'% col_name,col_name_index)
 
 
 
 

输出结果

查看原始索引： RangeIndex(start=0, stop=4, step=1)
输出当前的索引列名称： None
          Unnamed: 0  name  ID   age  sex
0_Rename           0   Bob   1   NaN    男
1_Rename           1  LiSa   2  28.0    女
2_Rename           2  Mary   3  38.0    女
3_Rename           3  Alan   4   NaN  NaN
输出当前的索引列名称： Index(['0_Rename', '1_Rename', '2_Rename', '3_Rename'], dtype='object')
输出当前的索引列名称： Index_From_ID
               Unnamed: 0  name  ID   age  sex
Index_From_ID                                 
1                       0   Bob   1   NaN    男
2                       1  LiSa   2  28.0    女
3                       2  Mary   3  38.0    女
4                       3  Alan   4   NaN  NaN
字段去重，某列去重后所有元素 ['男' '女' nan]
输出复合索引列： None
           Unnamed: 0  ID  sex
name age                      
Bob  NaN            0   1    男
LiSa 28.0           1   2    女
Mary 38.0           2   3    女
Alan NaN            3   4  NaN
the index of 【sex】 col is 7