Lad os diskutere, hvordan du nulstiller indekset i Pandas DataFrame. Ofte starter vi med en enorm dataramme i Pandaer og efter at have manipuleret/filtreret datarammen, ender vi med en meget mindre dataramme. Når vi ser på den mindre dataramme, kan den stadig bære rækkeindekset for den originale dataramme. Hvis det oprindelige indeks er tal , nu har vi indekser, der ikke er kontinuerlige.

Nulstil indekssyntaks

Syntaks:

DataFrame.reset_index(level=Ingen, drop=False, inplace=False, col_level=0, col_fill=)

• Parametre:
  • level> : Specificerer indeksniveauer på flere niveauer, der skal nulstilles.
  • drop> : Kasserer det aktuelle indeks, hvis det er sandt; tilføjes som en ny kolonne, hvis False.
  • inplace> : Ændrer DataFrame på plads, hvis True; returnerer en ny DataFrame, hvis False.
  • col_level> : Angiver hvilket niveau af kolonner på flere niveauer, der skal nulstilles.
  • col_fill> : Udfylder manglende værdier i kolonnernes niveauer.
• Returtype: Returnerer en ny DataFrame if inplace> er falsk; Ingen hvis inplace> er sandt

Nå, det har pandaer reset_index()> fungere. Så for at nulstille indekset til standardheltalsindekset, der begynder ved 0, kan vi simpelthen bruge reset_index()> fungere. Så lad os se de forskellige måder, vi kan nulstille indekset for en DataFrame.

Hvad er Reset Index?

I Python programmeringssprog og pandas-biblioteket reset_index> metode bruges til at nulstille indekset for en dataramme. Når du udfører handlinger på en DataFrame i pandaer, kan indekset for DataFrame ændre sig eller blive uordnet. Det reset_index> metode giver dig mulighed for at nulstille indekset til det standard heltal-baserede indeks og nulstille indekset i Pandas DataFrame eventuelt fjernelse af det aktuelle indeks.

Nulstil indeks i Pandas Dataframe

Der er forskellige metoder, ved hjælp af hvilke vi kan nulstille indekset i Pandas Dataframe, vi forklarer nogle almindeligt anvendte metoder med eksempler.

• Opret eget indeks uden at fjerne standardindeks
• Opret dit eget indeks og fjern standardindekset
• Nulstil eget indeks og opret standardindeks som indeks
• Lav en kolonne med dataramme som indeks og fjern standardindeks
• Lav en kolonne af dataramme som et indeks uden at fjerne indeks

Oprettelse af Pandas DataFrame

Her laver vi et eksempel på Pandas Dataframe:

Python3

# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data> => {> 'Name'> :[> 'Jai'> ,> 'Princi'> ,> 'Gaurav'> ,> 'Anuj'> ,> 'Geeku'> ],> > 'Age'> :[> 27> ,> 24> ,> 22> ,> 32> ,> 15> ],> > 'Address'> :[> 'Delhi'> ,> 'Kanpur'> ,> 'Allahabad'> ,> 'Kannauj'> ,> 'Noida'> ],> > 'Qualification'> :[> 'Msc'> ,> 'MA'> ,> 'MCA'> ,> 'Phd'> ,> '10th'> ] }> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data)> print> (df)>

Produktion:

   Name Age Address Qualification   0 Jai 27 Delhi Msc 1 Princi 24 Kanpur MA 2 Gaurav 22 Allahabad MCA 3 Anuj 32 Kannauj Phd 4 Geeku 15 Noida 10th 

skab Eget indeks uden at fjerne standardindeks

I dette eksempel nedenfor bruger koden pandas-biblioteket til at skabe en DataFrame fra medarbejderdata. Det definerer en ordbog, indstiller et brugerdefineret indeks, konverterer det til en DataFrame, nulstiller indekset og udskriver resultatet.

Python3

# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data> => {> 'Name'> :[> 'Jai'> ,> 'Princi'> ,> 'Gaurav'> ,> 'Anuj'> ,> 'Geeku'> ],> > 'Age'> :[> 27> ,> 24> ,> 22> ,> 32> ,> 15> ],> > 'Address'> :[> 'Delhi'> ,> 'Kanpur'> ,> 'Allahabad'> ,> 'Kannauj'> ,> 'Noida'> ],> > 'Qualification'> :[> 'Msc'> ,> 'MA'> ,> 'MCA'> ,> 'Phd'> ,> '10th'> ] }> index> => [> 'a'> ,> 'b'> ,> 'c'> ,> 'd'> ,> 'e'> ]> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data, index)> # Make Own Index as index> # In this case default index is exist> df.reset_index(inplace> => True> )> print> (df)>

Produktion:

   index Name Age Address Qualification   0 a Jai 27 Delhi Msc 1 b Princi 24 Kanpur MA 2 c Gaurav 22 Allahabad MCA 3 d Anuj 32 Kannauj Phd 4 e Geeku 15 Noida 10th 

Opret dit eget indeks og fjern standardindeks

I dette eksempel nedenfor bruger koden pandas-biblioteket til at skabe en DataFrame ud fra medarbejderdata gemt i en ordbog. Den indstiller et brugerdefineret indeks ('a' til 'e') og udskriver derefter den resulterende DataFrame, hvor det brugerdefinerede indeks erstatter det numeriske standardindeks.

Python3

# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data> => {> 'Name'> :[> 'Jai'> ,> 'Princi'> ,> 'Gaurav'> ,> 'Anuj'> ,> 'Geeku'> ],> > 'Age'> :[> 27> ,> 24> ,> 22> ,> 32> ,> 15> ],> > 'Address'> :[> 'Delhi'> ,> 'Kanpur'> ,> 'Allahabad'> ,> 'Kannauj'> ,> 'Noida'> ],> > 'Qualification'> :[> 'Msc'> ,> 'MA'> ,> 'MCA'> ,> 'Phd'> ,> '10th'> ] }> # Create own index> index> => [> 'a'> ,> 'b'> ,> 'c'> ,> 'd'> ,> 'e'> ]> # Convert the dictionary into DataFrame> # Make Own Index and Removing Default index> df> => pd.DataFrame(data, index)> print> (df)>

Produktion:

   Name Age Address Qualification   a Jai 27 Delhi Msc b Princi 24 Kanpur MA c Gaurav 22 Allahabad MCA d Anuj 32 Kannauj Phd e Geeku 15 Noida 10th 

Nulstil eget indeks og opret standardindeks som indeks

I dette eksempel nedenfor opretter koden en Pandas DataFrame fra en ordbog over medarbejderdata med et tilpasset indeks ('a' til 'e'). Bagefter nulstiller den indekset, erstatter det brugerdefinerede indeks med det numeriske standardindeks, og udskriver derefter den resulterende ramme.

Python3

# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data> => {> 'Name'> :[> 'Jai'> ,> 'Princi'> ,> 'Gaurav'> ,> 'Anuj'> ,> 'Geeku'> ],> > 'Age'> :[> 27> ,> 24> ,> 22> ,> 32> ,> 15> ],> > 'Address'> :[> 'Delhi'> ,> 'Kanpur'> ,> 'Allahabad'> ,> 'Kannauj'> ,> 'Noida'> ],> > 'Qualification'> :[> 'Msc'> ,> 'MA'> ,> 'MCA'> ,> 'Phd'> ,> '10th'> ] }> # Create own index> index> => [> 'a'> ,> 'b'> ,> 'c'> ,> 'd'> ,> 'e'> ]> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data, index)> # remove own index with default index> df.reset_index(inplace> => True> , drop> => True> )> print> (df)>

Output:

   Name Age Address Qualification   0 Jai 27 Delhi Msc 1 Princi 24 Kanpur MA 2 Gaurav 22 Allahabad MCA 3 Anuj 32 Kannauj Phd 4 Geeku 15 Noida 10th 

Lav en kolonne som indeks og fjern standardindeks

I dette eksempel nedenfor opretter koden en Pandas DataFrame ud fra medarbejderdata, sætter et brugerdefineret indeks og ændrer derefter indekset til kolonnen 'Alder', mens det numeriske standardindeks fjernes. Den endelige dataramme udskrives to gange.

Python3

# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data> => {> 'Name'> :[> 'Jai'> ,> 'Princi'> ,> 'Gaurav'> ,> 'Anuj'> ,> 'Geeku'> ],> > 'Age'> :[> 27> ,> 24> ,> 22> ,> 32> ,> 15> ],> > 'Address'> :[> 'Delhi'> ,> 'Kanpur'> ,> 'Allahabad'> ,> 'Kannauj'> ,> 'Noida'> ],> > 'Qualification'> :[> 'Msc'> ,> 'MA'> ,> 'MCA'> ,> 'Phd'> ,> '10th'> ] }> # Create own index> index> => [> 'a'> ,> 'b'> ,> 'c'> ,> 'd'> ,> 'e'> ]> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data, index)> # set index any column of our DF and> # remove default index> df.set_index([> 'Age'> ], inplace> => True> )> print> (df)>

Produktion:

   Name Address Qualification   Age 27 Jai Delhi Msc 24 Princi Kanpur MA 22 Gaurav Allahabad MCA 32 Anuj Kannauj Phd 15 Geeku Noida 10th 

Lav en kolonne af dataramme som et indeks uden at fjerne indeks

I dette eksempel nedenfor opretter koden en DataFrame fra medarbejderdata, i første omgang ved hjælp af et brugerdefineret indeks. Derefter indstiller den kolonnen 'Alder' som indeks, nulstiller indekset uden at fjerne det numeriske standardindeks og udskriver til sidst den resulterende DataFrame.

Python3

# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data> => {> 'Name'> :[> 'Jai'> ,> 'Princi'> ,> 'Gaurav'> ,> 'Anuj'> ,> 'Geeku'> ],> > 'Age'> :[> 27> ,> 24> ,> 22> ,> 32> ,> 15> ],> > 'Address'> :[> 'Delhi'> ,> 'Kanpur'> ,> 'Allahabad'> ,> 'Kannauj'> ,> 'Noida'> ],> > 'Qualification'> :[> 'Msc'> ,> 'MA'> ,> 'MCA'> ,> 'Phd'> ,> '10th'> ] }> # Create own index> index> => [> 'a'> ,> 'b'> ,> 'c'> ,> 'd'> ,> 'e'> ]> # Convert the dictionary into DataFrame> df> => pd.DataFrame(data, index)> # set any column as index> # Here we set age column as index> df.set_index([> 'Age'> ], inplace> => True> )> # reset index without removing default index> df.reset_index(level> => [> 'Age'> ], inplace> => True> )> print> (df)>

Produktion:

    Age Name Address Qualification   0 27 Jai Delhi Msc 1 24 Princi Kanpur MA 2 22 Gaurav Allahabad MCA 3 32 Anuj Kannauj Phd 4 15 Geeku Noida 10th