Pandas 之 Index
**1 index **
pandas 中的 index 是行索引或行标签。行标签可以说是 pandas 的灵魂一签，支撑了 pandas 很多强大的业务功能，比如多个数据框的 join, merge 操作，自动对齐等。
下面总结几个平时常用的关于 index 的操作
**2 列转 index **
有时，我们想把现有的数据框的某些列转化为 index，为之后的更多操作做准备。列转 index 实现方法如下：
-
In [1]: import pandas as pd -
In [2]: df1 = pd.DataFrame({'a':[1,3,5],'b':[9,4,12]}) -
In [3]: df1 -
Out[3]: -
a b -
0 1 9 -
1 3 4 -
2 5 12 -
In [4]: df1.set_index('a',drop=False) -
Out[4]: -
a b -
a -
1 1 9 -
3 3 4 -
5 5 12 -
In [5]: df1.set_index('a',drop=True) -
Out[5]: -
b -
a -
1 9 -
3 4 -
5 12
**3 index 转列 **
操作完成后，想再还原，即 index 转化为列，操作如下：
1. In [9]: df2.reset_index('a',drop=True)
-
Out[9]: -
b -
0 9 -
1 4 -
2 12 -
In [10]: df2.reset_index('a',drop=False) -
Out[10]: -
a b -
0 1 9 -
1 3 4 -
2 5 12
**4 index, 随心所欲 **
如果想按照某种规则，重新排序行数据或列数据，靠一个函数就可以做到，它就是 reindex, 设置一个
1. In [3]: df1
-
Out[3]: -
a b -
0 1 9 -
1 3 4 -
2 5 12 -
In [12]: df1.reindex([0,3,2,1]) -
Out[12]: -
a b -
0 1.0 9.0 -
3 NaN NaN -
2 5.0 12.0 -
1 3.0 4.0
df1 原来有的行索引会重新按照最新的索引 [0,3,2,1] 重新对齐，原来没有的行索引 3，默认数据都填充为 NaN.
列数据的调整，也一样通过 reindex 实现，如下：
1. In [13]: df1.reindex(columns=['b','a','c'])
-
Out[13]: -
b a c -
0 9 1 NaN -
1 4 3 NaN -
2 12 5 NaN
以上是关于 index 调整的某些策略。欢迎纠正和增加。谢谢！
