pandas dataframe添加列索引

可以使用`columns`属性来为DataFrame添加列索引，例如：

import pandas as pd

# 创建一个DataFrame
data = {'姓名': ['张三', '李四', '王五'], '年龄': [18, 20, 22], '性别': ['男', '女', '男']}
df = pd.DataFrame(data)

# 添加列索引
df.columns = ['Name', 'Age', 'Gender']

print(df)

输出结果为：

   Name  Age Gender
0   张三   18     男
1   李四   20     女
2   王五   22     男

相关问题

pandas dataframe添加行索引

可以使用`set_index()`方法来将某一列设置为行索引，例如：

import pandas as pd

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

# 将列'A'设置为行索引
df = df.set_index('A')
print(df)

输出：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

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

也可以在创建DataFrame时指定行索引，例如：

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

pandas dataframe列索引和行索引规则

在 Pandas 中，DataFrame 中的每一列都有一个列索引（column index），而每一行都有一个行索引（row index），这些索引用于标识 DataFrame 中的数据。

列索引是一个包含列标签（column label）的 Index 对象，可以使用 `df.columns` 属性来访问它，其中 df 是 DataFrame 对象。行索引是一个包含行标签（row label）的 Index 对象，可以使用 `df.index` 属性来访问它。

行索引和列索引都遵循以下规则：

1. 索引可以是任何 hashable 的对象，通常使用字符串或整数作为索引。如果没有显式指定索引，则使用默认的整数索引，从 0 开始递增。

2. 索引对象是不可变的，不能直接修改索引的值。如果需要修改索引，需要先创建一个新的索引对象。

3. 索引对象可以包含重复的标签，但是在某些操作中可能会出现问题。为了避免这种情况，可以使用 `duplicated()` 和 `drop_duplicates()` 方法来检测和删除重复的标签。

4. 索引对象可以使用切片（slice）来进行筛选或切片操作，也可以使用布尔索引进行过滤。

5. 所有的 Pandas 函数和方法都支持使用行索引和列索引进行数据选择和操作。

6. 索引对象可以使用 `set_index()` 方法来更改 DataFrame 的行索引，也可以使用 `reset_index()` 方法来重置行索引。列索引只能通过修改 `df.columns` 属性来更改。

总之，索引是 Pandas 中非常重要的概念，可以帮助我们对数据进行快速的查询、切片和操作。