pandas查看所有索引

你可以使用 `index` 属性来查看 pandas 数据框或序列的所有索引。例如，假设你有一个名为 `df` 的 pandas 数据框，你可以使用以下代码查看其所有索引：

print(df.index)

如果你想查看某个特定列的所有唯一值，可以使用 `unique()` 方法。例如，假设你想查看 `df` 数据框中名为 `name` 的列的所有唯一值，你可以使用以下代码：

print(df['name'].unique())

这将打印出 `name` 列中的所有唯一值。

相关问题

pandas重设索引

在pandas中，重设索引是指重新定义DataFrame或Series的索引。重设索引可以通过reset_index()函数来实现。

reset_index()函数会将原来的索引作为一列添加到DataFrame中，并重新生成默认的整数索引。这样可以方便地重新组织数据，并且在后续的操作中更加灵活。

下面是reset_index()函数的一些常用参数：
- drop：默认为False，表示是否丢弃原来的索引列。如果设置为True，则会删除原来的索引列。
- inplace：默认为False，表示是否在原地修改DataFrame。如果设置为True，则会直接修改原来的DataFrame，而不返回新的DataFrame。

下面是一个示例，展示如何使用reset_index()函数重设索引：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Tom', 'Nick', 'John'],
        'Age': [20, 25, 30],
        'City': ['New York', 'Paris', 'London']}
df = pd.DataFrame(data)

# 输出原始DataFrame
print("原始DataFrame:")
print(df)

# 重设索引
df_reset = df.reset_index()

# 输出重设索引后的DataFrame
print("重设索引后的DataFrame:")
print(df_reset)

运行以上代码，输出结果如下：

原始DataFrame:
   Name  Age      City
0   Tom   20  New York
1  Nick   25     Paris
2  John   30    London

重设索引后的DataFrame:
   index  Name  Age      City
0      0   Tom   20  New York
1      1  Nick   25     Paris
2      2  John   30    London

可以看到，原始DataFrame的索引被重设为了默认的整数索引，并且原来的索引列被添加为了一列新的数据。

pandas删除列索引

在pandas中，可以使用`drop()`方法来删除列索引。`drop()`方法可以接受一个参数`labels`，用于指定删除的列索引名称索引列表。此外，还可以使用axis`参数来指定删除的方向，默认为0表示按行删除，设置为1表示按列删除。

面是一个示例代码，演示如使用`drop()`方法删除列索引：

import pandas as pd

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

# 删除列索引为'B'
df = df.drop('B', axis=1)

# 打印删除后的DataFrame
print(df)

输出结果为：

   A  C
0  1  7
1  2  8
2  3  9