python怎么修改索引和行列

本篇內容介紹了“python怎么修改索引和行列”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

python如何修改索引和行列

修改索引

修改索引之前是自動生成的索引：

使用set_index('以xx字段為索引',inplace=True)設置索引：

inplace為True不用給新變量賦值，使用舊的變量名發現索引就已經被改變

打開文件時就生成索引：

index_col='以xx字段為索引'

重置索引：

reset_index()

DataFrame修改行名和列名

通過rename方法修改：

提取index和columns屬性修改再賦值：

DataFrame添加、刪除和插入隊列

添加：

movie = pd.read_csv('../data/movie.csv')
# 添加新列，并賦值  DataFrame['新列名'] = (值)
movie['new_name'] = (movie['movie_title'] + '----'+  movie['country'])

刪除：

# 刪除列
movie = movie.drop('new_name',axis='columns')
# 刪除行
movie = movie.drop('索引',axis='index')

插入：

DataFrame.insert(loc='下標',column='列名',value='值')

python索引設置

在Python中如果沒有原始索引，會默認從0開始的自然數作為索引。

給df表傳入索引

#傳入列宿索引
df.columns = ["name","age","grade","height","time"]
#傳入行索引
df.inex = [1,2,3,4,5,6]
#傳入的行列索引必須與行列數相同，否則報錯

df中重置行索引

df.set_index("age")
#講age列當做行索引，可傳入多列，形成層次化索引
reset_index(level = None,drop = False,inplace = False)   #將層次化索引重置
level:指定要講層次化索引的第幾級別轉化為columns,默認全部轉化
drop:指定是否闡述原索引，默認為False
inplace：指定是否修改原數據表，默認為False
#reset_index常用于數據分組及透視表中

重命名索引

#重命名列索引，以字典的形式傳入原列名和新列名
df.rename(columns = {"old":"new","age":"new_age"})
#重命名行索引，與上同
df.rename(index = {})
#行列索引同時修改
df.rename(columns = {},index = {})

“python怎么修改索引和行列”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！