reset_indexe

`reset_index()`是一个pandas数据操作函数，用于将一个数据集的索引重置或者取消层次化（hierarchical indexing）。默认情况下，`reset_index()`会将数据集的索引转换成一个新的整数索引，并将原来的索引作为一列数据添加到数据集中。如果数据集使用了多层次索引，`reset_index()`还可以指定要重置的层次数。例如，`reset_index(level=0)`表示将第一层索引取消层次化，将其转换为一列数据。

相关问题

python里的reset_index

在Python中，reset_index是一个用于重置DataFrame索引的函数。它将原来的索引作为新的一列，并且可以通过设置drop参数来决定是否去除原索引。当drop参数设置为True时，原索引将被去除。

举个例子来说明，假设我们有一个DataFrame df，它的原数据如下：

Country Number Value label
China 100 1 a
US 150 2 b
Japan 120 3 c
EU 90 4 d
UK/Australia 30 5 e
UK/Netherland 2 6 f

我们可以使用reset_index来重置索引：

df.reset_index()

重置后的结果如下：

index Country Number Value label
0 0 China 100 1 a
1 1 US 150 2 b
2 2 Japan 120 3 c
3 3 EU 90 4 d
4 4 UK/Australia 30 5 e
5 5 UK/Netherland 2 6 f

可以看到，原来的索引被重置并作为新的一列加入到了DataFrame中。

另外，如果我们想去除原索引，可以设置drop参数为True：

df.reset_index(drop=True)

重置后的结果如下：

Country Number Value label
0 China 100 1 a
1 US 150 2 b
2 Japan 120 3 c
3 EU 90 4 d
4 UK/Australia 30 5 e
5 UK/Netherland 2 6 f

可以看到，原索引被成功去除了。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [Python函数：reset_index()](https://blog.csdn.net/Ajdidfj/article/details/123050009)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [python dataframe set_index与reset_index用法](https://blog.csdn.net/xiadeliang1111/article/details/126852684)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

reset_index()使用方法

reset_index() 是 pandas 库中的一个函数，它可用于将数据框中的行索引重置为默认值（0 到 n-1）或使用另一个列来作为新的行索引。reset_index() 函数的语法如下：

DataFrame.reset_index(level=None, drop=False, inplace=False)

其中，level 参数可用于指定要重置的索引级别（如果数据框有多层索引的话），默认情况下它的值为 None，表示所有索引都要被重置。drop 参数可用于指定是否删除旧的索引列，默认为 False，即保留旧的索引列。inplace 参数可用于指定是否在原数据框中修改索引，而不是返回一个新的数据框对象。

例如，假设有如下数据框：

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'Dave', 'Eva'],
        'age': [25, 30, 35, 40, 45],
        'gender': ['F', 'M', 'M', 'M', 'F']}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd', 'e']

print(df)

输出结果为：

       name  age gender
a     Alice   25      F
b       Bob   30      M
c   Charlie   35      M
d      Dave   40      M
e       Eva   45      F

现在我们想要将行索引重置为默认值，可以使用如下代码：

df_reset = df.reset_index()

print(df_reset)

输出结果为：

  index     name  age gender
0     a    Alice   25      F
1     b      Bob   30      M
2     c  Charlie   35      M
3     d     Dave   40      M
4     e      Eva   45      F

注意，重置索引后，原先的行索引变成了一个名为 index 的新列。如果我们希望删除这个新列，可以将 drop 参数设置为 True，如下所示：

df_reset = df.reset_index(drop=True)

print(df_reset)

输出结果为：

      name  age gender
0    Alice   25      F
1      Bob   30      M
2  Charlie   35      M
3     Dave   40      M
4      Eva   45      F

如果原有的行索引不是默认值，也可以指定其他列来作为新的行索引。假设我们想要使用 name 列作为新的行索引，可以使用如下代码：

df_reset = df.set_index('name')

print(df_reset)

输出结果为：

         age gender
name              
Alice     25      F
Bob       30      M
Charlie   35      M
Dave      40      M
Eva       45      F

注意，这里将 inplace 参数设置为 True，表示直接在原数据框中修改索引。如果不希望修改原数据框，可以将 inplace 参数设置为 False，然后将返回值赋值给一个新变量。