模块二-数据选择与索引——10. 索引设置与重置

10. 索引设置与重置

1. 概述

索引是 Pandas 数据的"行标签"，合理设置索引可以提升数据访问效率、简化操作。本章学习如何设置、重置和操作 DataFrame 的行索引。

importpandasaspdimportnumpyasnp# 创建示例数据df=pd.DataFrame({'ID':[1001,1002,1003,1004,1005],'姓名':['张三','李四','王五','赵六','钱七'],'年龄':[25,30,28,32,35],'城市':['北京','上海','广州','深圳','杭州'],'工资':[8000,12000,10000,15000,11000]})print("原始数据:")print(df)print(f"\n当前索引:{df.index.tolist()}")

2. 查看索引

# 查看索引print(f"索引对象:{df.index}")print(f"索引类型:{type(df.index)}")print(f"索引值列表:{df.index.tolist()}")# 查看索引名称（默认 None）print(f"索引名称:{df.index.name}")

3. 设置索引

3.1 set_index() - 将列设置为索引

# 将单列设置为索引df_id=df.set_index('ID')print("设置 ID 为索引:")print(df_id)print(f"新索引:{df_id.index.tolist()}")# 原 DataFrame 不变（默认返回新 DataFrame）print("\n原 DataFrame 不变:")print(df.index.tolist())# 原地修改df.set_index('ID',inplace=True)print("\n原地修改后:")print(df)

3.2 多列作为索引（MultiIndex）

# 恢复原始数据df=pd.DataFrame({'ID':[1001,1002,1003,1004,1005],'姓名':['张三','李四','王五','赵六','钱七'],'年龄':[25,30,28,32,35],'城市':['北京','上海','广州','深圳','杭州'],'工资':[8000,12000,10000,15000,11000]})# 设置多列索引df_multi=df.set_index(['城市','ID'])print("设置城市和ID为索引:")print(df_multi)print(f"\n索引层级:{df_multi.index.names}")

3.3 设置索引时保留原列

# drop=False 保留原列df_with_keep=df.set_index('ID',drop=False)print("保留原列:")print(df_with_keep)

3.4 设置索引时排序

# append=True 追加到现有索引df_indexed=df.set_index('ID')df_appended=df_indexed.set_index('城市',append=True)print("追加索引:")print(df_appended)

4. 重置索引

4.1 reset_index() - 将索引变为列

# 重置索引（索引变成普通列）df_reset=df.set_index('ID').reset_index()print("重置索引:")print(df_reset)# drop=True 丢弃索引（不保留为列）df_drop=df.set_index('ID').reset_index(drop=True)print("\n重置索引并丢弃:")print(df_drop)

4.2 重置部分索引层级

# 创建多层索引df_multi=df.set_index(['城市','ID'])print("多层索引:")print(df_multi)# 只重置第一层索引df_reset_level=df_multi.reset_index(level=0)print("\n只重置城市层级:")print(df_reset_level)# 重置所有层级df_reset_all=df_multi.reset_index()print("\n重置所有层级:")print(df_reset_all)

5. 重命名索引

5.1 重命名索引名称

df_indexed=df.set_index('ID')# 方法1：直接赋值df_indexed.index.name='员工ID'print("重命名索引:")print(df_indexed)# 方法2：使用 rename_axisdf_indexed=df_indexed.rename_axis('编号')print("\n使用 rename_axis:")print(df_indexed)

5.2 重命名索引值

# 使用 rename 重命名索引值df_indexed=df.set_index('姓名')print("原始:")print(df_indexed)df_renamed=df_indexed.rename(index={'张三':'张先生','李四':'李先生'})print("\n重命名索引值:")print(df_renamed)

6. 索引排序

6.1 sort_index() - 按索引排序

# 创建乱序数据np.random.seed(42)df_shuffled=df.sample(frac=1)print("乱序数据:")print(df_shuffled)# 按索引排序df_sorted=df_shuffled.sort_index()print("\n按索引排序:")print(df_sorted)# 降序排列df_desc=df_shuffled.sort_index(ascending=False)print("\n降序排列:")print(df_desc)

7. 索引操作

7.1 修改索引值

df_indexed=df.set_index('ID')print("原始:")print(df_indexed)# 修改索引值df_indexed.index=[2001,2002,2003,2004,2005]print("\n修改索引值:")print(df_indexed)

7.2 索引去重

# 创建重复索引的数据df_dup=pd.DataFrame({'值':[10,20,30,40,50]},index=['A','B','A','C','B'])print("重复索引数据:")print(df_dup)# 检查索引是否重复print(f"索引是否重复:{df_dup.index.is_unique}")# 去重（保留第一个）df_unique=df_dup[~df_dup.index.duplicated(keep='first')]print("\n去重后:")print(df_unique)

7.3 索引类型转换

df_indexed=df.set_index('ID')print(f"索引类型:{type(df_indexed.index)}")# 转换为列表index_list=df_indexed.index.tolist()print(f"索引列表:{index_list}")# 转换为数组index_array=df_indexed.index.valuesprint(f"索引数组:{index_array}")

8. 实战示例：用户数据索引优化

# 创建用户数据np.random.seed(42)users=pd.DataFrame({'user_id':[f'U{i:04d}'foriinrange(1,21)],'姓名':[f'用户_{i}'foriinrange(1,21)],'年龄':np.random.randint(18,60,20),'城市':np.random.choice(['北京','上海','广州','深圳','杭州'],20),'注册时间':pd.date_range('2024-01-01',periods=20,freq='D'),'消费金额':np.random.randint(100,10000,20)})print("="*60)print("用户数据索引优化")print("="*60)print("\n1. 原始数据:")print(users.head())print(f"索引:{users.index.tolist()}")# 2. 设置 user_id 为索引print("\n2. 设置 user_id 为索引:")users_indexed=users.set_index('user_id')print(users_indexed.head())# 3. 按索引查询（快速）print("\n3. 按索引查询用户 U0005:")print(users_indexed.loc['U0005'])# 4. 按索引排序print("\n4. 按用户ID降序:")print(users_indexed.sort_index(ascending=False).head())# 5. 重置索引print("\n5. 重置索引:")users_reset=users_indexed.reset_index()print(users_reset.head())# 6. 多级索引：按城市和用户IDprint("\n6. 多级索引（城市 + user_id）:")users_multi=users.set_index(['城市','user_id'])print(users_multi.head())# 7. 按第一级索引筛选print("\n7. 筛选北京用户:")print(users_multi.loc['北京'].head())

9. 索引最佳实践

9.1 何时设置索引

9.2 索引类型选择

# 默认索引：RangeIndex（整数索引）# 优点：简单、内存小# 缺点：语义不明确# 自定义索引：# - 唯一标识：如 ID、用户名# - 时间：日期时间索引# - 分类：类别索引# 时间索引示例df_time=pd.DataFrame({'值':range(10)},index=pd.date_range('2024-01-01',periods=10,freq='D'))print("时间索引:")print(df_time)print(f"索引类型:{type(df_time.index)}")

9.3 索引性能

# 索引查询比普通列查询快importtime# 创建大数据集large_df=pd.DataFrame({'id':range(100000),'value':np.random.randn(100000)})# 普通列查询start=time.time()result1=large_df[large_df['id']==50000]print(f"列查询耗时:{time.time()-start:.5f}秒")# 索引查询large_df_indexed=large_df.set_index('id')start=time.time()result2=large_df_indexed.loc[50000]print(f"索引查询耗时:{time.time()-start:.5f}秒")

10. 总结