pandas pd.DataFrame 索引从1开始

在 Pandas 中，默认情况下，DataFrame 的索引是从0开始的。但是，你可以通过设置参数 `index` 来自定义索引的起始值。下面是一个示例：

import pandas as pd

data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
df = pd.DataFrame(data, index=range(1, 4))  # 设置索引从1开始

这样，DataFrame `df` 的索引就会从1开始，输出如下：

   A  B  C
1  1  4  7
2  2  5  8
3  3  6  9

需要注意的是，当索引从1开始时，访问和操作数据时，仍然需要使用0-based的索引方式。例如，使用 `.iloc` 属性来访问数据：

print(df.iloc[0])  # 访问索引为1的行

输出：

A    1
B    4
C    7
Name: 1, dtype: int64

希望能帮到你！如果还有其他问题，请随时提问。

相关问题

pd.DataFrame索引

在pandas中，可以使用pd.DataFrame()函数将数据转换为DataFrame结构，并且可以自定义行索引和列索引。[1]行索引可以通过设置index参数来自定义，例如index=stock_index。而列索引可以通过设置columns参数来自定义。DataFrame的行索引和列索引可以帮助我们更方便地对数据进行访问和处理。[2][3]

pandas，pd.DataFrame参数

pandas 是 Python 中一个非常流行的数据处理库，它提供了一个名为 DataFrame 的数据结构，用于处理表格数据。下面是 pd.DataFrame 的常用参数：

- data：DataFrame 的数据源，可以是 list、dict、ndarray 等。
- index：行索引，可以是 list、array、range 等，长度必须与数据源的行数相同。
- columns：列索引，可以是 list、array 等，长度必须与数据源的列数相同。
- dtype：数据类型，可以是 dict 或者 Series，指定每一列的数据类型。
- copy：是否复制数据源，默认为 False，即不复制，直接使用原数据源。
- columns.name：列索引的名称。
- index.name：行索引的名称。

例如，创建一个 DataFrame：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'gender': ['F', 'M', 'M']
}

df = pd.DataFrame(data)
print(df)

输出结果为：

      name  age gender
0    Alice   25      F
1      Bob   30      M
2  Charlie   35      M

其中，data 参数为一个字典，字典的 key 是列名，value 是列的数据。由于没有指定行索引和列索引，所以默认使用了从 0 开始的整数索引。