pandas重新设置行索引

可以使用df.reset_index()来重新设置pandas数据框的行索引。如果希望保留原来的索引作为一列数据，可以将参数drop设为False。例如：

df.reset_index(drop=False)

如果希望删除原来的索引，可以将参数drop设为True。例如：

df.reset_index(drop=True)

相关问题

pandas设置行索引自然数

使用pandas的`reset_index()`函数可以将默认的行索引重置为自然数。例如，假设你的DataFrame名为df，你可以使用以下代码将行索引设置为自然数：

df.reset_index(inplace=True, drop=True)

这将删除原有的行索引，并将新的自然数行索引应用到DataFrame中。参数`inplace=True`表示直接在原有的DataFrame上修改，而不是返回一个新的DataFrame。参数`drop=True`表示删除原有的行索引。

pandas重新设置索引从0开始

你可以使用 Pandas 的 `reset_index()` 方法来重新设置 DataFrame 的索引。

默认情况下，`reset_index()` 方法会在 DataFrame 中添加一个新的整数索引，并将原来的索引作为一个名为“index”的列添加到 DataFrame 中。如果你只是想要一个新的整数索引，并删除原来的索引列，你可以在调用 `reset_index()` 方法时传递 `drop=True` 参数。例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=[10, 20, 30])
print(df)

# 重设索引
df = df.reset_index(drop=True)
print(df)

输出：

    A  B
10  1  4
20  2  5
30  3  6
   A  B
0  1  4
1  2  5
2  3  6

在这个例子中，原来的 DataFrame 的索引是 `[10, 20, 30]`，`reset_index()` 方法将它们替换成了新的整数索引 `[0, 1, 2]`，并删除了原来的索引列。