dataframe重新定义行索引

要重新定义行索引，可以使用`set_index()`方法。以下是一个例子：

假设我们有以下的dataframe：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}, index=['a', 'b', 'c'])
print(df)

输出：

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

我们可以用`set_index()`方法将原来的行索引替换为另一个列：

df = df.set_index('A')
print(df)

输出：

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

在这个例子中，我们把列'A'作为新的行索引。请注意，原来的行索引已经被删除了。如果你想保留原来的行索引，可以使用`reset_index()`方法来将新的行索引转换回列。

相关问题

DataFrame自定义行索引

你可以使用`set_index()`方法来自定义DataFrame的行索引。这个方法接受一个列名或列的列表作为参数，用来作为新的行索引。下面是一个示例：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8],
        'C': [9, 10, 11, 12]}
df = pd.DataFrame(data)

# 自定义行索引
new_index = ['row1', 'row2', 'row3', 'row4']
df = df.set_index(new_index)

print(df)

输出结果如下：

      A  B   C
row1  1  5   9
row2  2  6  10
row3  3  7  11
row4  4  8  12

在这个示例中，我们使用`set_index()`方法将`new_index`列表作为新的行索引。你可以根据自己的需要选择适当的行索引值。

pandas dataframe列索引和行索引都从哪里开始计数

在 Pandas 中，默认情况下，DataFrame 的列索引和行索引都从 0 开始计数。

对于列索引，可以通过 `df.columns` 属性来获取列标签，第一列的索引值为 0，第二列的索引值为 1，以此类推。

对于行索引，可以通过 `df.index` 属性来获取行标签，第一行的索引值为 0，第二行的索引值为 1，以此类推。

当然，你也可以通过显式指定标签来自定义行索引和列索引的名称和顺序。例如，你可以使用 `df.set_index()` 方法来设置自定义行索引，或者使用 `df.columns = ['A', 'B', 'C']` 的方式来设置自定义列索引。

需要注意的是，虽然 Pandas 的索引从 0 开始计数，但是在一些操作中，比如 iloc 和 loc 方法中，索引的范围是包含起始位置和终止位置的，而不是像 Python 中的切片一样，不包含终止位置。因此，如果你想选择前 3 行，你需要使用 `df.iloc[:3]`，而不是 `df.iloc[:2]`。