pandas dataframe 指定并重置两列新的双索引

假设有以下的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar',
                         'foo', 'bar', 'foo', 'foo'],
                   'B': ['one', 'one', 'two', 'three',
                         'two', 'two', 'one', 'three'],
                   'C': np.random.randn(8),
                   'D': np.random.randn(8)})

现在我们想要将列 A 和列 B 作为双索引，并将其从DataFrame中移除，可以使用以下代码：

df = df.set_index(['A', 'B']).reset_index()

这将会返回一个新的DataFrame，其中列 A 和列 B 成为了新的双索引，列C和列D仍然保留在DataFrame中。如果需要在原地修改DataFrame，可以传递inplace=True参数：

df.set_index(['A', 'B'], inplace=True)
df.reset_index(inplace=True)

相关问题

如何重置pandas dataframe行索引

### 回答1：
在 pandas 中，可以使用 `reset_index()` 函数来重置 dataframe 的行索引。

例如，假设我们有以下 dataframe：

import pandas as pd

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

print(df)

输出结果如下：

   A  B
0  1  4
1  2  5
2  3  6

如果我们想要重置行索引，可以使用以下代码：

new_df = df.reset_index()

print(new_df)

输出结果为：

   index  A  B
0      0  1  4
1      1  2  5
2      2  3  6

可以看到，新的 dataframe 中多了一列索引，旧的行索引变成了一列数据。

如果不想保留原来的行索引，可以在 `reset_index()` 函数中设置 `drop=True` 参数，如下所示：

new_df = df.reset_index(drop=True)

print(new_df)

输出结果为：

   A  B
0  1  4
1  2  5
2  3  6

可以看到，新的 dataframe 中没有了原来的行索引。

### 回答2：
要重置pandas dataframe的行索引，可以使用`reset_index()`函数。这个函数会将原来的索引重置为默认的整数索引，并将原来的索引作为一个新的列添加到数据帧中。

下面是如何使用`reset_index()`函数重置pandas dataframe的行索引的步骤：

1. 首先，导入pandas库并读取数据到一个变量中，例如`df`。
2. 调用`reset_index()`函数，并将结果保存到一个新的数据帧中，例如`new_df`。使用`inplace=True`参数可以在原数据帧上进行修改，而不创建一个新的数据帧。
3. 可选地，可以使用`drop=True`参数来删除旧索引列，而不是将其保留为新的列。
4. 最后，可以使用`head()`函数查看重置后的数据帧，以确保行索引已被正确重置。

下面是一个简单的示例代码：

import pandas as pd

# 读取数据到DataFrame
df = pd.read_csv('data.csv')

# 重置行索引
new_df = df.reset_index()

# 删除旧的索引列
new_df.drop('index', axis=1, inplace=True)

# 查看重置后的数据帧
print(new_df.head())

以上代码将读取名为"data.csv"的数据文件，并重置该数据帧的行索引。然后，它将删除旧的索引列，并打印出重置后的数据帧的前几行。

希望以上信息能够解决你的问题。

### 回答3：
pandas dataframe的行索引可以通过reset_index()方法进行重置。该方法会将原来的行索引转换为一个新的列，并产生一个新的默认数字类型的行索引。

使用reset_index()方法时，可以通过设置不同的参数来定制重置行索引的方式。以下是一些常用的参数及其用法：

1. drop参数：默认为False，表示保留原来的行索引并将其转换为一个新的列。设置为True时，会丢弃原来的行索引，并生成一个全新的默认数字类型的行索引。

示例代码：

df = df.reset_index(drop=True)

2. inplace参数：默认为False，表示返回一个新的数据框，原来的数据框不会改变。设置为True时，会直接在原来的数据框上进行修改，不会返回一个新的数据框。

示例代码：

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

3. level参数：当数据框存在多级行索引时，可以使用level参数指定要重置的行索引的级别。

示例代码：

df.reset_index(level=0, inplace=True)

需要注意的是，reset_index()方法并不会修改原来数据框的行索引，而是返回一个新的数据框或直接在原来的数据框上进行修改。因此，在使用reset_index()方法时，需要将返回的结果赋值给一个新的变量或者使用inplace参数来直接修改原来的数据框。

如何在 Pandas DataFrame 中删除或重置索引？

在Pandas DataFrame中删除或重置索引的方法有以下几种：

**方法一：使用reset_index()**

reset_index()方法用于重置DataFrame的索引。它将原有的索引项变为新的列，可以设定新的列名。这是最常见的方法来删除或重置索引。

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({
   'A': range(5),
   'B': range(5, 10),
})

# 打印原始索引
print("原始索引：", df.index)

# 重置索引
df_new = df.reset_index()

# 打印重置后的索引，以及重置后的数据
print("重置后的索引：", df_new.index)
print("重置后的数据：", df_new)

**方法二：使用drop()**

drop()方法用于删除指定的列或行。如果你只想删除索引，可以使用drop(0)。注意，这将删除第一列（即索引列）。

df = df.drop(0)  # 删除第一列（即索引列）

**方法三：使用reindex()**

reindex()方法用于根据给定的数据重新创建DataFrame。如果你想根据原有的数据重新创建DataFrame并设置新的索引，可以使用reindex(index=...)参数。但这种方法通常需要你提供新的数据，否则无法实现。

以上就是在Pandas DataFrame中删除或重置索引的一些常见方法。根据你的具体需求，你可以选择合适的方法。