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！
