给dataframe加行索引

可以使用pandas库中的set_index()方法来给dataframe加行索引。例如，如果要以列名为“id”的列作为行索引，可以使用以下代码：

df.set_index('id', inplace=True)

其中，df是你的dataframe对象，inplace=True表示直接在原dataframe上修改。

相关问题

DataFrame 重置行索引

Pandas的DataFrame可以使用`reset_index()`方法重置行索引。该方法将当前索引作为新的一列添加到DataFrame中，并重新编号行索引。

示例代码：

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})

# 输出原始的行索引
print(df.index)

# 重置行索引
df = df.reset_index()

# 输出重置后的行索引
print(df.index)

输出结果：

RangeIndex(start=0, stop=3, step=1)
RangeIndex(start=0, stop=3, step=1)

在上面的示例中，首先创建了一个包含三行两列数据的DataFrame，并输出了原始的行索引。然后使用`reset_index()`方法重置了行索引，并输出了重置后的行索引。可以看到，重置后的行索引是从0开始重新编号的。

dataframe按行索引

使用`loc`方法可以按行索引访问DataFrame的数据，例如：

import pandas as pd

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

df = pd.DataFrame(data, index=['id1', 'id2', 'id3'])

print(df.loc['id1']) # 访问第一行数据

输出：

name      Alice
age          25
gender        F
Name: id1, dtype: object

也可以一次访问多行数据：

print(df.loc[['id1', 'id3']])

输出：

        name  age gender
id1    Alice   25      F
id3  Charlie   35      M

注意，`loc`方法的索引值是DataFrame的行索引（即通过`index`参数指定的索引值），而不是默认的整数索引。如果要按整数索引访问DataFrame的数据，可以使用`iloc`方法，例如`df.iloc[0]`会访问第一行数据。