pandas 新增debt列并自定义索引

以下是在 pandas 中新增一个名为 "debt" 的列并自定义索引的示例代码：

import pandas as pd

# 创建示例数据
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 32, 18, 47],
        'income': [50000, 70000, 20000, 90000]}

df = pd.DataFrame(data)

# 新增 "debt" 列
df['debt'] = [1000, 2000, 1500, 500]

# 自定义索引
df.index = ['a', 'b', 'c', 'd']

print(df)

输出结果：

       name  age  income  debt
a     Alice   25   50000  1000
b       Bob   32   70000  2000
c  Charlie   18   20000  1500
d     David   47   90000   500

相关问题

python pandas.read_csv自定义列索引

可以使用`pandas.read_csv()`方法的`header`参数来指定自定义列索引。

例如，如果CSV文件中的第一行是列名而不是数据，则可以使用以下代码来指定列索引：

import pandas as pd

df = pd.read_csv('file.csv', header=0) # 指定第一行为列索引
print(df.head())

如果CSV文件中没有列名，则可以使用以下代码来指定列索引：

import pandas as pd

df = pd.read_csv('file.csv', header=None, names=['col1', 'col2', 'col3'])  # 自定义列名
print(df.head())

在上面的代码中，`header=None`告诉`pandas.read_csv()`方法不要将第一行作为列索引，而`names`参数指定了列索引的名称。您可以根据需要添加或删除列索引的名称。

pandas 自定义索引并按照索引拿去数据

要自定义 Pandas 的索引，可以使用 `set_index()` 方法指定某一列作为索引，或者使用 `reset_index()` 方法将某一列作为新的默认索引。例如：

import pandas as pd

# 创建一个 DataFrame
data = {'name':['Tom', 'Jerry', 'Mickey', 'Minnie'], 
        'age':[23, 25, 28, 30], 
        'gender':['M', 'M', 'F', 'F']}
df = pd.DataFrame(data)

# 将 name 列设为索引
df.set_index('name', inplace=True)
print(df)

输出结果为：

        age gender
name             
Tom      23      M
Jerry    25      M
Mickey   28      F
Minnie   30      F

要按照自定义的索引拿取数据，可以使用 `.loc[]` 方法。例如：

# 按照索引取出数据
print(df.loc['Tom'])

输出结果为：

age       23
gender     M
Name: Tom, dtype: object

这样就可以根据自定义索引拿取数据了。